机器学习系列问题
文章平均质量分 71
AI视觉Daily
AI视觉Daily是一个专注于机器学习和计算机视觉的公众号,涵盖视觉CV,深度学习,数字图像处理等方面,包括相应的硬件和软件配置,以及开源项目等。
展开
-
迁移学习与fine-tuning
迁移学习与fine-tuning文章目录迁移学习与fine-tuning前言一、迁移学习是什么?二、Fine-tuning是什么?三、总结前言一、迁移学习是什么?顾名思义就是把已训练好的模型(预训练模型)参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务都是存在相关性的,所以通过迁移学习我们可以将已经学到的模型参数(也可理解为模型学到的知识)通过某种方式来分享给新模型从而加快并优化模型的学习效率不用像大多数网络那样从零学习。通常,源领域数据量充足,而目标领域数据量较小,这种场景就很适合做迁原创 2021-01-29 14:19:36 · 701 阅读 · 0 评论 -
机器学习系列问题(二):生成模型和判别模型
机器学习系列问题(二):生成模型和判别模型文章目录机器学习系列问题(二):生成模型和判别模型一、简单理解二、两者分别(个人理解)一、简单理解维基百科上Generative条目里面有个经典的案例:假设有四个samples:判别式模型的世界是这个样子:生成式模型的世界是这个样子:二、两者分别(个人理解)生成模型是对条件概率分布P(y|x)进行建模;判别模型是对联合概率分布P(x,y)进行建模;两个模型都是要最大化后验概率分布,判别模型是直接对P(y|x)建模,而生成模型是对P(y原创 2021-01-26 20:13:45 · 233 阅读 · 0 评论 -
机器学习系列问题(一):MLE和MAP
机器学习系列问题(一):MLE和MAP文章目录机器学习系列问题(一):MLE和MAP前言一、条件概率公式和贝叶斯公式二、MLE和MAP前言MLE(Maximum Likelihood Estimation):最大似然估计MAP( Maximum A Posteriori):最大后验估计机器学习的本质问题都是目标函数的优化,而MLE和MAP都是产生目标函数的思想。首先的一个问题,概率与统计一样吗?答案是否定的。概率问题是已知模型参数,推导数据的问题。统计问题是已知数据推导模型参数的问题。很明显,原创 2021-01-25 20:04:00 · 749 阅读 · 0 评论