Hvorfor bruke forhåndstrent modell?

Innholdsfortegnelse:

Hvorfor bruke forhåndstrent modell?
Hvorfor bruke forhåndstrent modell?

Video: Hvorfor bruke forhåndstrent modell?

Video: Hvorfor bruke forhåndstrent modell?
Video: СТРАННЫЕ НОВОСТИ НЕДЕЛИ - 49 | Таинственный | Вселенная | НЛО | Паранормальный 2024, November
Anonim

Enkelt sagt, en forhåndsopplært modell er en modell laget av noen andre for å løse et lignende problem I stedet for å bygge en modell fra bunnen av for å løse et lignende problem, kan du bruke modellen trent på andre problemstillinger som utgangspunkt. Hvis du for eksempel vil bygge en selvlærende bil.

Hvorfor er det fordelaktig å bruke de ferdigtrente modellene for CNN-er?

Vanligvis har forhåndstrente CNN-er effektive filtre for å trekke ut informasjon fra bildene fordi de er trent med et godt distribuert datasett, og de har en god arkitektur. I utgangspunktet er filtrene i konvolusjonslagene riktig opplært til å trekke ut funksjonene til bildene.

Hva menes med Pretrained modell?

Definisjon. En modell som uavhengig har lært prediktive forhold fra treningsdata, ofte ved hjelp av maskinlæring.

Hvorfor bør forhåndstrente modeller finjusteres?

Oppgaven med å finjustere et nettverk er å finjustere parametrene til et allerede trent nettverk slik at det tilpasser seg den nye oppgaven som er for hånden Som forklart her, de innledende lagene lærer veldig generelle funksjoner, og etter hvert som vi går høyere opp i nettverket, har lagene en tendens til å lære mønstre mer spesifikke for oppgaven de trenes på.

Hva er Pretrained dataset?

En forhåndstrent modell er et lagret nettverk som tidligere ble trent på et stort datasett, vanligvis på en storskala bildeklassifiseringsoppgave. Du bruker enten den forhåndstrente modellen som den er, eller bruker transfer learning for å tilpasse denne modellen til en gitt oppgave.

Anbefalt: