浅谈迁移学习图像分类

  1. 云栖社区>
  2. 翻译小组>
  3. 博客>
  4. 正文

浅谈迁移学习图像分类

【方向】 2017-12-29 09:44:59 浏览2930
展开阅读全文

Coursera创始人斯坦福大学副教授吴恩达声称,迁移学习将成为机器学习取得商业成功的下一个驱动力。

迁移学习是一种机器学习技术,在一个特定的数据集上重新利用已经训练过的卷积神经网络(CNN),并将其改造或迁移到一个不同的数据集中。重复使用训练过的卷积神经网络,主要原因是训练数据通常需要花费很长的时间。例如:在4NVIDIA K80 GPU上对ResNet18训练30次需要3天,在4NVIDIA K80 GPU上对ResNet152训练120次需要4个月。

本文将使用pytorch在不同的数据集上进行迁移学习,阐述最常见的迁移学习策略,并分析何种情况应该使用哪种策略

如果想直接看到结果,请划至文末。

迁移学习策略

通常来说,迁移学习的策略有两种。Finetuning(微调)包括在基数据集上使用预训练网络,并目标数据集上训练

网友评论

登录后评论
0/500
评论
【方向】
+ 关注
所属云栖号: 翻译小组