เข้าร่วม Women in ML Symposium ในวันที่ 7 ธันวาคม ลงทะเบียนตอนนี้

การถ่ายโอนการเรียนรู้คืออะไร?

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

โมเดลการเรียนรู้เชิงลึกที่ซับซ้อนมีพารามิเตอร์ (น้ำหนัก) นับล้าน และการฝึกตั้งแต่เริ่มต้นมักต้องการข้อมูลจำนวนมากของทรัพยากรการคำนวณ ถ่ายทอดการเรียนรู้เป็นเทคนิคที่ลัดลัดสิ่งนี้โดยนำชิ้นส่วนของแบบจำลองที่ได้รับการฝึกอบรมเกี่ยวกับงานที่เกี่ยวข้องแล้วนำกลับมาใช้ใหม่ในรูปแบบใหม่

ตัวอย่างเช่น บทช่วยสอนถัดไปในส่วนนี้จะแสดงให้คุณเห็นถึงวิธีสร้างตัวจำแนกรูปภาพของคุณเองซึ่งใช้ประโยชน์จากแบบจำลองที่ได้รับการฝึกฝนให้รู้จักวัตถุประเภทต่างๆ กว่า 1,000 ชนิดภายในรูปภาพ คุณสามารถปรับความรู้ที่มีอยู่ในโมเดลที่ฝึกไว้ล่วงหน้าเพื่อตรวจจับคลาสภาพของคุณเองโดยใช้ข้อมูลการฝึกน้อยกว่าที่จำเป็นในโมเดลดั้งเดิม

สิ่งนี้มีประโยชน์สำหรับการพัฒนาโมเดลใหม่อย่างรวดเร็ว รวมถึงการปรับแต่งโมเดลในสภาพแวดล้อมที่มีทรัพยากรจำกัด เช่น เบราว์เซอร์และอุปกรณ์มือถือ

ส่วนใหญ่เมื่อทำการโอนย้ายการเรียนรู้ เราไม่ปรับน้ำหนักของโมเดลดั้งเดิม แต่เราลบเลเยอร์สุดท้ายและฝึกโมเดลใหม่ (มักจะค่อนข้างตื้น) ที่ด้านบนของเอาต์พุตของโมเดลที่ถูกตัดทอน นี่คือเทคนิคที่คุณจะเห็นในบทช่วยสอนในส่วนนี้