transfer learning（matlab 实现）
2017-05-09 21:44
411 查看
一句话总结 transfer learning 的核心即是对一个已训练模型微调，使其适应新的应用，如下图示：
为 matlab 接口所训练完成的经典深度神经网络下载地址：Index of /matconvnet/models
为一个快速入门指南，Quick Start - MatConvNet
为 matlab 接口所训练完成的经典深度神经网络下载地址：Index of /matconvnet/models
为一个快速入门指南，Quick Start - MatConvNet
1. helperImportMatConvNet：加载预训练模型
alexnet_mat_file = 'imagenet-caffe-alex.mat'; alexnet = helperImportMatConvNet(alexnet_mat_file);
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 Q13-20 MATLAB实现
- RPCL(Rival Penalized Competitive Learning)在matlab下的实现
- 使用Cross-validation （CV） 调整Extreme learning Machine (ELM) 最优参数的实现（matlab）
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 Q13-20 MATLAB实现
- 多级树集合分裂（SPIHT）算法的过程详解与Matlab实现（1）算法概述
- Thinking in C++ learning(3)-----隐藏实现
- 快速傅立叶变换（FFT）的C++实现与Matlab实验
- MSSQLServer 中使用SQLDMO.Transfer 实现数据迁移_转摘
- Thinking in C++ learning(3)-----隐藏实现
- VC与Matlab混合编程的快速实现(3-1)
- 多级树集合分裂（SPIHT）算法的过程详解和Matlab实现（3）编码过程——主程序
- 线性方程数值解中jacobi迭代matlab实现
- 小波图像融合的Matlab实现示例（添加图片演示080428）
- 多级树集合分裂（SPIHT）算法的过程详解和Matlab实现（5）编码过程——精细扫描
- 多级树集合分裂（SPIHT）算法的过程详解与Matlab实现（8）实例演示
- 多级树集合分裂（SPIHT）算法的过程详解和Matlab实现（4）编码过程——排序扫描
- 声卡虚拟示波器简单功能-使用matlab DAQ工具箱中API实现
- 利用Matlab引擎实现VC和Matlab的混合编程
- 如何实现C#与matlab交互
- 多级树集合分裂（SPIHT）算法的过程详解与Matlab实现（7）解码过程——扫描解码