迁移学习 Transfer learning
2017-09-05 10:28
169 查看
简介
迁移学习, Transfer learning.顾名思义就是就是把已学好的模型参数迁移到新的模型来提升效果. 这里的提升主要为:
加速收敛
考虑到大部分数据或任务是存在相关性的，所以通过transfer learning, 我们可以将已经学到的 parameter 分享给新模型, 从而加快并优化模型的学习, 不用像之前那样 from scratch.
例子
TextCNN, 词向量表示那里可以直接用word2vec的产出.
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
- 迁移学习
- tensorflow 迁移学习（在已有类别的模型上添加自己的类别）
- 迁移学习（ Transfer Learning ）
- 迁移学习（ Transfer Learning ）
- Simplify Transfer Learning (简化迁移学习）
- 迁移学习(Transfer learning)
- 迁移学习与fine-tuning的区别
- 迁移学习——机器学习的下一个前沿阵地
- 迁移学习（ Transfer Learning ）
- 深度学习 -> 强化学习 ->迁移学习（杨强教授报告）
- 【TensorFlow】迁移学习（使用Inception-v3）
- 迁移学习（transfer learning）
- 迁移学习（Transfer learning）
- 迁移学习（Transfer Learning）
- 迁移学习
- 迁移学习——数据不够的情况下训练深度学习模型
- 【迁移学习】什么是迁移学习？它都用在深度学习的哪些场景上？这篇文章替你讲清楚了
- 迁移学习(Transfer Learning)
- 迁移学习和微调深度卷积神经网络
- 一文讲清楚什么是迁移学习？以及它都用在哪些深度学习场景？