Logo sv.boatexistence.com

Varför använda förtränad modell?

Innehållsförteckning:

Varför använda förtränad modell?
Varför använda förtränad modell?

Video: Varför använda förtränad modell?

Video: Varför använda förtränad modell?
Video: 3.1: What are pre-trained models? 2024, Maj
Anonim

Enkelt uttryckt är en förutbildad modell en modell skapad av någon annan för att lösa ett liknande problem Istället för att bygga en modell från grunden för att lösa ett liknande problem, använda modellen tränad på andra problem som utgångspunkt. Om du till exempel vill bygga en självlärande bil.

Varför är det fördelaktigt att använda de förtränade modellerna för CNN?

Vanligtvis har förutbildade CNN:er effektiva filter för att extrahera information från bilder eftersom de är tränade med en väldistribuerad datauppsättning och de har en bra arkitektur. I grund och botten är filtren i f altningsskikten korrekt tränade för att extrahera funktionerna i bilderna.

Vad menas med förtränad modell?

Definition. En modell som självständigt har lärt sig prediktiva relationer från träningsdata, ofta med hjälp av maskininlärning.

Varför bör förtränade modeller finjusteras?

Uppgiften att finjustera ett nätverk är att justera parametrarna för ett redan tränat nätverk så att det anpassar sig till den nya uppgiften Som förklarat här, de första lagren lära sig mycket allmänna funktioner och när vi går högre upp i nätverket tenderar lagren att lära sig mönster som är mer specifika för den uppgift de tränas på.

Vad är Pretrained dataset?

En förtränad modell är ett sparat nätverk som tidigare tränats på en stor datamängd, vanligtvis för en storskalig bildklassificeringsuppgift. Du använder antingen den förtränade modellen som den är eller använder transfer learning för att anpassa denna modell till en given uppgift.

Rekommenderad: