热门标签
热门文章
- 1如何高效运用《霍格沃茨之遗》风灵月影修改器：全面教程与技巧_霍格沃兹之遗如何修改金钱
- 2chatgpt论文降重方法_chatgpt降重
- 3鸿蒙（API 12 Beta2版）NDK开发【使用扩展的Node-API接口在异步线程中运行和停止事件循环】
- 48本又水又有实力的SCI，都是TOP！_杂志的影响因子和水平
- 5harbor提示账号密码错误无法登录_error occurred in userlogin: failed to authenticat
- 6mysql中使用联合主键并设置非主键自增_非主键可以设置自动递增吗
- 7神策数据付力力入选福布斯中国 30 Under 30 十周年名人堂
- 8浅谈大模型领域内数据微调的一些个人理解_为什么sft之后感觉llm傻了
- 9python orm框架哪个最好_Django vs SQLAlchemy：哪个 Python ORM 更好
- 10用go语言实现扫雷，你得试试
当前位置: article > 正文
transfer learning 实际应用于图像分类_transfer earning图像
作者：神奇cpp | 2024-08-05 07:48:41
赞
踩
transfer earning图像
关于CNN, 浅层的卷积层的output是low-level的特征如线， 越深层特征level越高。因此当迁移目标和训练目标相似时，取深层。
当需要运用 transfer learning 在不同feature space 上的图片时。 一般有以下几种做法。
- 将pre-train的model或者部分model当做feature extracter
- 可以将pre-train的model参数冻结接到新的model上
- 可以将pre-train model 接到新model上，但使用一个较小的lr。这时，比较像当做weights initializer
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/神奇cpp/article/detail/931460
推荐阅读
相关标签
