知识卡片
迁移学习复用已有模型
迁移学习是一种机器学习方法,把任务 A 上开发的模型作为初始点,重新用于任务 B。它类似举一反三、触类旁通:预训练模型是举一和触类,迁移学习要达成反三和旁通。其本质是让机器把已知情况中学到的知识与经验,迁移到不同但相关的任务上解决新问题。由于预训练往往耗费大量时间与算力,合理利用迁移学习可避免为每个目标单独训练模型,极大节约计算资源。具体如何操作见 [[预训练模型使用的四种情形]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 计算机视觉处理 · 查看原书依据
何为迁移学习?迁移学习是一种机器学习方法,简单来说,就是把任务A开发的模型作为初始点,重新使用在任务B中,如图3-9所示。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第3章 计算机视觉处理(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter6_0002.xhtml)
- 结论依据:原文给出迁移学习的定义、任务 A 到任务 B 的复用关系,以及节约计算资源的意义。
- 原始内容:何为迁移学习?迁移学习是一种机器学习方法,简单来说,就是把任务A开发的模型作为初始点,重新使用在任务B中,如图3-9所示。