অত্যাধুনিক ডিপ লার্নিং মডেলের লক্ষ লক্ষ প্যারামিটার (ওজন) থাকে এবং স্ক্র্যাচ থেকে তাদের প্রশিক্ষণের জন্য প্রায়ই প্রচুর পরিমাণে ডেটা এবং কম্পিউটিং সংস্থান প্রয়োজন হয়। ট্রান্সফার লার্নিং হল এমন একটি কৌশল যা ইতিমধ্যেই একটি সম্পর্কিত কাজের প্রশিক্ষণপ্রাপ্ত মডেলের একটি অংশ গ্রহণ করে এবং এটিকে একটি নতুন মডেলে পুনঃব্যবহারের মাধ্যমে এর অনেকটাই শর্টকাট করে।
উদাহরণ স্বরূপ, এই বিভাগের পরবর্তী টিউটোরিয়ালটি আপনাকে দেখাবে কিভাবে আপনার নিজের ইমেজ শনাক্তকারী তৈরি করতে হয় যেটি এমন একটি মডেলের সুবিধা নেয় যা ইতিমধ্যেই ইমেজের মধ্যে 1000 এর মত বিভিন্ন ধরণের বস্তু চিনতে প্রশিক্ষিত ছিল। আপনি প্রাক-প্রশিক্ষিত মডেলে বিদ্যমান জ্ঞানকে মানিয়ে নিতে পারেন আপনার নিজের ইমেজ ক্লাস সনাক্ত করতে প্রয়োজনীয় মূল মডেলের তুলনায় অনেক কম প্রশিক্ষণ ডেটা ব্যবহার করে।
ব্রাউজার এবং মোবাইল ডিভাইসের মতো রিসোর্স-অনিরোধিত পরিবেশে মডেলগুলি কাস্টমাইজ করার পাশাপাশি নতুন মডেলগুলি দ্রুত বিকাশের জন্য এটি কার্যকর।
প্রায়শই ট্রান্সফার লার্নিং করার সময়, আমরা আসল মডেলের ওজন সামঞ্জস্য করি না। পরিবর্তে আমরা চূড়ান্ত স্তরটি সরিয়ে ফেলি এবং কাটা মডেলের আউটপুটের উপরে একটি নতুন (প্রায়শই মোটামুটি অগভীর) মডেল প্রশিক্ষিত করি। এই কৌশলটি আপনি এই বিভাগের টিউটোরিয়ালগুলিতে প্রদর্শিত দেখতে পাবেন:
- একটি ট্রান্সফার-লার্নিং ভিত্তিক ইমেজ ক্লাসিফায়ার তৈরি করুন
- একটি ট্রান্সফার-লার্নিং ভিত্তিক অডিও শনাক্তকারী তৈরি করুন
TensorFlow.js ব্যবহার করে ট্রান্সফার শেখার একটি অতিরিক্ত উদাহরণের জন্য, একটি প্রাক-প্রশিক্ষিত মডেল ব্যবহার করুন দেখুন।