迁移学习系列 - 有->有监督迁移

一.Model fine-tuning方式

1.Model fine-tuning模型是应对于源数据和目标数据都是有标签、且有大量源数据、少量目标数据的情况。

最典型的例子是之前做狗种类识别竞赛时,用到的迁移方法,针对于训练集中每个狗只有100张左右训练图像的问题,我们使用的方法是:            

           [1]使用别人训练好的用于1024个物种分类(相似域、不同任务)的Resnet网络,用于对目标数据进行特征提取。            

          [2]使用提取到的1024个高级特征,利用训练数据集去训练一个三层的神经网络,最后输出120个种类,从而做到物种分类的效果。

                           

2.上面举的例子应该算是一种比较改进的Model fine-tuning方法,我们先从最基本形式开始介绍。

       *最基本的方法是直接将源场景训练好的模型直接拿过来使用,将模型参数都拿过来使用新数据集进行训练,如直接使用ImageNet进行resnet网络的训练,之后在自己的狗种类识别图片上进行狗种类的预测,这种迁移方式会修改resnet网络的参数。

        *但是这种方式有个问题是源场景训练出来的模型有很强的泛化能力,现在拿这个泛化能力很强

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值