前言 这一章其实就是之前没做完的事,来补一下,两者其实没啥关系
迁移学习 以下内容学习自迁移学习【斯坦福21秋季:实用机器学习中文版】
迁移学习包括什么? ①feature extraction
②train a model on a relate task and reuse it
③fine-tuning from a pertrained model
fine-tuning
(1) 为什么使用pretained model? 有利于加速收敛,有可能会提高精度
文章图片
用了课上的一个图,有点抽象但是是这个道理
红色五角星:最优的解(泛化性能好)
蓝色五角星:得到的解(得到的泛化性能不太好的的结果)
(2)如何避免 ①限制训练范围
给一个训练半径,即上图绿色圈
②冻结训练
实际上我们真正要训练的是整个模型最后的全连接层,此时就是随机初始化的
凯明初始化 【深度学习|迁移学习 & 凯明初始化】kaiming初始化的推导
推荐阅读
- 关于点击率模型,你知道这三点就够了 点击率预估的几个经典模型简介
- opencv|最近opencv又报了啥错(一)
- yolov5|跑yolov5又出啥问题了(1)p,r,map全部为0
- opencv|基于opencv的实时睡意检测系统
- opencv|基于opencv的实时停车地点查找
- 大数据|滴滴开源了哪些有意思的项目()
- 数据库|滴滴技术牛逼吗(看它开源了哪些有意思的项目)
- 分布式|阿里云周晶(我是如何选择技术方向的())
- 深度学习|Python21天学习挑战赛Day(11)·爬虫入门知识(应用)