När ska man använda förtränade modeller?

Innehållsförteckning:

När ska man använda förtränade modeller?
När ska man använda förtränade modeller?

Video: När ska man använda förtränade modeller?

Video: När ska man använda förtränade modeller?
Video: Discover pre-trained models with Kaggle Models 2024, November
Anonim

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

Vad menas med förtränad modell?

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

Hur använder du ett förutbildat nätverk?

Använd förtränade nätverk direkt på klassificeringsproblem. För att klassificera en ny bild, använd klassificera. För ett exempel som visar hur man använder ett förutbildat nätverk för klassificering, se Klassificera bild med GoogLeNet. Använd ett förutbildat nätverk som en funktionsextraktor genom att använda lageraktiveringarna som funktioner

Varför är det fördelaktigt att använda de förutbildade 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.

Hur väljer jag en förtränad modell?

Leveransrobotmodell - Identifiera vägkantsobjekt.

Det finns några frågor du måste ställa dig själv för att välja en bra förtränad modell:

  1. Vilka är de önskade UTGÅNGEN?
  2. Vilken typ av INPUT förväntar du dig?
  3. Stöder den förutbildade modellen sådana inmatningskrav?
  4. Vad är modellens noggrannhet och andra specifikationer?

Rekommenderad: