Sonraki Show'da yeni #MadeWithTFJS demolarını izleyin ve 1 Ekim'de canlı söyle, 09:00 PT YouTube'daki İzleme

Transfer öğrenimi nedir?

Gelişmiş derin öğrenme modellerinin milyonlarca parametresi (ağırlığı) vardır ve bunları sıfırdan eğitmek genellikle büyük miktarda bilgi işlem kaynağı verisi gerektirir. Transfer öğrenimi, ilgili bir görev için halihazırda eğitilmiş bir modelin bir parçasını alıp yeni bir modelde yeniden kullanarak bunun çoğunu kısaltan bir tekniktir.

Örneğin, bu bölümdeki bir sonraki öğretici, görüntülerdeki 1000'lerce farklı türde nesneyi tanımak için zaten eğitilmiş bir modelden yararlanan kendi görüntü tanıyıcınızı nasıl oluşturacağınızı gösterecektir. Gerekli orijinal modelden çok daha az eğitim verisi kullanarak kendi görüntü sınıflarınızı algılamak için önceden eğitilmiş modeldeki mevcut bilgileri uyarlayabilirsiniz.

Bu, hızlı bir şekilde yeni modeller geliştirmenin yanı sıra tarayıcılar ve mobil cihazlar gibi kaynak kısıtlı ortamlarda modelleri özelleştirmek için kullanışlıdır.

Çoğu zaman transfer öğrenimi yaparken, orijinal modelin ağırlıklarını ayarlamıyoruz. Bunun yerine, son katmanı kaldırır ve kesilmiş modelin çıktısının üzerine yeni (genellikle oldukça sığ) bir model eğitiriz. Bu, bu bölümde anlatılan eğitimlerde göreceğiniz tekniktir.