Logo vi.boatexistence.com

Tại sao lại sử dụng mô hình đào tạo trước?

Mục lục:

Tại sao lại sử dụng mô hình đào tạo trước?
Tại sao lại sử dụng mô hình đào tạo trước?
Anonim

Nói một cách đơn giản, mô hình được đào tạo trước là mô hình do người khác tạo ra để giải quyết một vấn đề tương tựThay vì xây dựng một mô hình từ đầu để giải quyết một vấn đề tương tự, bạn sử dụng mô hình được đào tạo về vấn đề khác làm điểm khởi đầu. Ví dụ: nếu bạn muốn chế tạo một chiếc ô tô tự học.

Tại sao sử dụng các mô hình được đào tạo trước cho CNN lại có lợi?

Thông thường, các CNN được đào tạo trước có bộ lọc hiệu quả để trích xuất thông tin từ các hình ảnhvì họ được đào tạo với tập dữ liệu được phân phối tốt và chúng có kiến trúc tốt. Về cơ bản, các bộ lọc trong các lớp phức hợp được đào tạo thích hợp để trích xuất các đặc điểm của hình ảnh.

Mô hình đúc sẵn nghĩa là gì?

Định nghĩa. Mô hình đã học độc lập các mối quan hệ dự đoán từ dữ liệu đào tạo, thường sử dụng máy học.

Tại sao nên tinh chỉnh các mô hình đã qua xử lý trước?

Nhiệm vụ tinh chỉnh mạng là để tinh chỉnh các thông số của mạng đã được huấn luyện để nó thích ứng với nhiệm vụ mới trong tầm tayNhư đã giải thích ở đây, các lớp ban đầu tìm hiểu các tính năng rất chung và khi chúng tôi nâng cấp mạng lên cao hơn, các lớp có xu hướng tìm hiểu các mẫu cụ thể hơn cho nhiệm vụ mà nó đang được đào tạo.

Tập dữ liệu được đào tạo trước là gì?

Mô hình được đào tạo trước là mạng đã lưu đã được đào tạo trước đó trên tập dữ liệu lớn, thường là trong nhiệm vụ phân loại hình ảnh quy mô lớn. Bạn có thể sử dụng mô hình được đào tạo trước như hiện tại hoặc sử dụng học chuyển giao để tùy chỉnh mô hình này cho một nhiệm vụ nhất định.

Đề xuất: