迁移学习，让深度学习不再困难……

全文共2968字，预计学习时长9分钟

来源：Pexels

 

在不远的过去，数据科学团队需要一些东西来有效地利用深度学习：

 

· 新颖的模型架构，很可能是内部设计的

· 访问大型且可能是专有的数据集

· 大规模模型训练所需的硬件或资金

 

这就阻碍了深度学习，将其局限于满足这些条件的少数项目。

 

然而，在过去几年里，情况发生了变化。

 

在Cortex，用户推出了基于深度学习的新一代产品，与以前不同的是，这些产品并非都是使用独一无二的模型架构构建的。

 

这种进步的背后驱动力是迁移学习。

 

什么是迁移学习？

 

广义上讲，迁移学习是指在为特定任务训练的模型中积累知识，例如，识别照片中的花可以转移到另一个模型中，以助于对不同的相关任务（如识别某人皮肤上的黑色素瘤）进行预测。

 

注：如果想深入研究迁移学习，塞巴斯蒂安·鲁德（Sebastian Ruder）已经写了一本很棒的入门书。<