前言
这一章其实就是之前没做完的事,来补一下,两者其实没啥关系
迁移学习
以下内容学习自迁移学习【斯坦福21秋季:实用机器学习中文版】
迁移学习包括什么?
①feature extraction
②train a model on a relate task and reuse it
③fine-tuning from a pertrained model
fine-tuning
(1) 为什么使用pretained model?
有利于加速收敛,有可能会提高精度
用了课上的一个图,有点抽象但是是这个道理
红色五角星:最优的解(泛化性能好)
蓝色五角星:得到的解(得到的泛化性能不太好的的结果)
(2)如何避免
①限制训练范围
给一个训练半径,即上图绿色圈
②冻结训练
实际上我们真正要训练的是整个模型最后的全连接层,此时就是随机初始化的