Paprasčiau tariant, iš anksto paruoštas modelis yra kažkieno sukurtas modelis, kad išspręstų panašią problemą Užuot kūrę modelį nuo nulio, kad išspręstumėte panašią problemą, jūs kaip atspirties tašką naudokite modelį, parengtą sprendžiant kitą problemą. Pavyzdžiui, jei norite sukurti savarankiškai besimokantį automobilį.
Kodėl naudinga naudoti iš anksto paruoštus CNN modelius?
Paprastai iš anksto parengti CNN turi veiksmingus filtrus, kad išgautų informaciją iš vaizdų, nes jie yra išmokyti naudoti gerai paskirstytą duomenų rinkinį ir turi gerą architektūrą. Iš esmės filtrai konvoliuciniuose sluoksniuose yra tinkamai išmokyti išskirti vaizdų ypatybes.
Ką reiškia iš anksto apmokytas modelis?
Apibrėžimas. modelis, kuris savarankiškai išmoko nuspėjamuosius ryšius iš mokymo duomenų, dažnai naudodamas mašininį mokymąsi.
Kodėl iš anksto apmokyti modeliai turėtų būti tiksliai suderinti?
Tinklo tikslinimo užduotis yra pataisyti jau parengto tinklo parametrus, kad jis prisitaikytų prie naujos užduoties Kaip paaiškinta čia, pradiniai sluoksniai išmoksta labai bendrų ypatybių, o kai mes einame aukštyn tinkle, sluoksniai linkę išmokti modelių, labiau būdingų užduočiai, kurios jie mokomi.
Kas yra paruoštas duomenų rinkinys?
Iš anksto parengtas modelis yra išsaugotas tinklas, kuris anksčiau buvo apmokytas naudojant didelį duomenų rinkinį, paprastai atliekant didelio masto vaizdų klasifikavimo užduotį. Galite naudoti iš anksto paruoštą modelį tokį, koks yra, arba naudoti mokymosi perdavimą, kad pritaikytumėte šį modelį pagal nurodytą užduotį.
