迁移学习简述
迁移学习是一种机器学习方法,它将一个已经开发过的任务模型重复利用,作为第二个任务模型的起点。预训练的模型被用作计算机视觉和自然语言处理任务,这在深度学习领域非常流行。
阅读本文,你会发现如何使用迁移学习来提高训练的速度以及改善深度学习模型的性能。
阅读本文后,你将会了解到:
·什么是迁移学习,以及其使用的方法。
·深度学习中,迁移学习的常见例子。
·在自己的预测建模问题上,何时使用迁移学习。
什么是迁移学习?
迁移学习是一种机器学习技术,它将在一个任务上训练过的模型用在第二个相关的任务中重复使用。“迁移学习和领域适应性是指在一个配置环境中已经学习到的东西……被用来改善在另外一种配置中的泛化。”
迁移学习是一种优化,它允许在第二个任务上建模时取得快速进步和改善性能。“迁移学习,通过从一个已经学习过的相关任务中转移知识来对新任务中学习的改进。”
迁移
