迁移学习与fine-tuneing的区别
2017-04-18 10:27
337 查看
一、迁移学习是指将已经预先训练好的模型权重的某部分或整体用到相似任务的处理上。
优点:1)节省训练时间
2)当新问题的数据集很小时,直接训练容易过拟合,迁移学习可以有效避免这种情况。
二、fine-tuning 属于trick,在迁移学习中有所涉及,泛指对参数进行微调。
优点:1)节省训练时间
2)当新问题的数据集很小时,直接训练容易过拟合,迁移学习可以有效避免这种情况。
二、fine-tuning 属于trick,在迁移学习中有所涉及,泛指对参数进行微调。
相关文章推荐
- 迁移学习与fine-tuning有什么区别
- cs231n-(9)迁移学习和Fine-tune网络
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- 自我学习,监督学习,半监督学习和迁移学习的区别
- 迁移学习和finetune的区别
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- Keras —— 迁移学习fine-tuning
- 迁移学习(transfer learning)和微调(fine-tune)的几点认识
- 迁移学习和fine-tuning
- 使用matconvnet进行迁移学习(fine-tuning)的简单思路
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- 学习数据库:return和returns的区别
- CSS学习笔记-附加篇(div中class与id的区别及应用)
- 重新学习数据库整合——UNION和JOIN的区别
- [学习] Virual 和 abstract 区别
- ASP.NET学习 之 Redirect,Transfer,Execute的区别
- C#学习之结构与类的区别
- (学习)我与王国维的区别