原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
03 第3章 计算机视觉处理
左右。虽然准确率有比较大的提升,但还不够理想,下面我们将采用微调+数据增强的方法继续提升准确率。 3.4.2 微调实例
微调允许修改预先训练好的网络参数来学习目标任务,所以,训练时间要比特征抽取方法长,但精度更高。微调的大致过程是在预先训练过的网络上添加新的随机初始化层,此外预先训练的网络参数也会被更新,但会使用较小的学习率以防止预先训练好的参数发生较大改变。
常用方法是固定底层的参数,调整一些顶层或具体层的参数。这样可以减少训练参数的数量,也可以避免过拟合现象的发生。尤其是在
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置: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_0004.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da