微调方法是迁移学习的一种类型,对于新的数据集
(1)需要先加载预先训练好的模型;
(2)删除已有模型的全连接层,冻结剩余层的权重;
(3)然后构建一组新的全连接层,与已有的截断模型进行拼接,并对新的全连接层的权重进行初始化;
(4)最后给定较小的学习率,将‘新’模型在新的数据上进行训练。
(微调对预训练好的网络结构进行修改,只需要训练修改的部分网络参数,而不是重新开始训练整个网络。)
微调网络简单步骤
最新推荐文章于 2024-06-21 02:45:53 发布
微调方法是迁移学习的一种类型,对于新的数据集
(1)需要先加载预先训练好的模型;
(2)删除已有模型的全连接层,冻结剩余层的权重;
(3)然后构建一组新的全连接层,与已有的截断模型进行拼接,并对新的全连接层的权重进行初始化;
(4)最后给定较小的学习率,将‘新’模型在新的数据上进行训练。
(微调对预训练好的网络结构进行修改,只需要训练修改的部分网络参数,而不是重新开始训练整个网络。)