W uproszczeniu, wstępnie wytrenowany model to model stworzony przez kogoś innego w celu rozwiązania podobnego problemu Zamiast budować model od zera w celu rozwiązania podobnego problemu, możesz użyj modelu wytrenowanego na innym problemie jako punktu wyjścia. Na przykład, jeśli chcesz zbudować samouczący się samochód.
Dlaczego warto używać wstępnie wytrenowanych modeli dla CNN?
Zwykle przeszkolone sieci CNN mają skuteczne filtry do wyodrębniania informacji z obrazów, ponieważ są one przeszkolone przy użyciu dobrze rozproszonego zestawu danych i mają dobrą architekturę. Zasadniczo filtry w warstwach splotowych są odpowiednio przeszkolone, aby wyodrębnić cechy obrazów.
Co oznacza model wstępnie przeszkolony?
Definicja. model, który niezależnie nauczył się relacji predykcyjnych na podstawie danych uczących, często korzystając z uczenia maszynowego.
Dlaczego przetrenowane modele powinny być dostrojone?
Zadaniem dostrojenia sieci jest dostrojenie parametrów już przeszkolonej sieci, tak aby dostosowała się do nowego zadania Jak wyjaśniono tutaj, początkowe warstwy poznają bardzo ogólne cechy, a gdy wspinamy się wyżej w sieci, warstwy mają tendencję do uczenia się wzorców bardziej specyficznych dla zadania, na którym są szkolone.
Co to jest wstępnie wytrenowany zestaw danych?
Wstępnie wytrenowany model to zapisana sieć, która została wcześniej przeszkolona na dużym zestawie danych, zazwyczaj w zadaniu klasyfikacji obrazów na dużą skalę. Możesz użyć wstępnie wytrenowanego modelu bez zmian lub użyć uczenia transferu, aby dostosować ten model do danego zadania.
