ImageNet图像分类数据集中有120万标注图像,所以才能将152层的ResNet的模型训练到大约96.5%的正确率。在真实的应用中,很难收集到如此多的标注数据。即使可以收集到,也需要花费大量人力物力。而且即使有海量的训练数据,要训练一个复杂的卷积神经网络也需要几天甚至几周的时间。迁移学习,提供了一种解决标注数据和训练时间的问题。
迁移学习
所谓迁移学习,就是将一个问题上训练好的模型,通过简单的调整使其适用于一个新的问题。本文将介绍如何利用ImageNet数据集上训练好的Inception-v3模型来解决一个新的图像分类问题。
未完待续。。。