Preprosto povedano, predhodno usposobljen model je model, ki ga je ustvaril nekdo drug za rešitev podobnega problema Namesto da bi zgradili model iz nič za rešitev podobnega problema, vi kot izhodišče uporabite model, usposobljen za druge težave. Na primer, če želite zgraditi avto, ki se sam uči.
Zakaj je koristno uporabljati predhodno usposobljene modele za CNN?
Običajno imajo vnaprej usposobljeni CNN učinkovite filtre za pridobivanje informacij iz slik, ker so usposobljeni z dobro razporejenim naborom podatkov in imajo dobro arhitekturo. V bistvu so filtri v konvolucijskih slojih ustrezno usposobljeni, da izluščijo značilnosti slik.
Kaj pomeni predhodno usposobljeni model?
Definicija. model, ki se je neodvisno naučil napovednih razmerij iz podatkov o usposabljanju, pogosto z uporabo strojnega učenja.
Zakaj bi morali biti predhodno usposobljeni modeli natančno nastavljeni?
Naloga finega uglaševanja omrežja je nastavitev parametrov že izurjenega omrežja, tako da se prilagodi novi nalogi Kot je razloženo tukaj, začetni sloji naučite se zelo splošnih značilnosti in ko gremo višje v omrežju, se plasti navadno učijo vzorcev, ki so bolj specifični za nalogo, za katero se usposabljajo.
Kaj je predhodno usposobljeni nabor podatkov?
Vnaprej usposobljeni model je shranjeno omrežje, ki je bilo predhodno usposobljeno za velik nabor podatkov, običajno za obsežno nalogo razvrščanja slik. Uporabite predhodno usposobljeni model, kakršen je, ali uporabite učenje s prenosom, da prilagodite ta model dani nalogi.
