Python全系列 教程
3567个小节阅读:5929.3k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
人类在生活中会不断利用事先拥有的知识去学习新知识。比如,在学习骑摩托车时,
在不知不觉中就利用了之前骑自行车的背景知识。
例如,在构建图像识别应用的过程中,很少有人重新训练一个卷积神经网络。我们
完全可以使用一个已经成熟的卷积网络结构,使用该网络进行初始化或作为其他图片识别任
务的固定特征抽取器。
迁移学习是指将在某个任务中训练得到的模型进行微调后迁移到另一个相似的任务
中。
例如,想做一个小猫识别系统,但是只拥有少量的“小猫数据”和大量的“小狗数据”,通
常,可以先利用大量的小狗图片训练出卷积神经网络,由于猫和狗非常相似,所以只要拿少
量的小猫图片对该卷积神经网络进行微调,就可以得到一个很好的小猫识别系统。
提示:
两个识别任务越相似,两者的高级特征(在晚期的卷积层提取)就越相似。
1. 关于迁移学习,下列说法正确的是:
A 只要训练好一个模型,就可以迁移到任何任务中
B 迁移学习是将一个训练好的模型直接使用在其他任务中
C 在某个任务中训练得到的模型进行微调后迁移到另一个相似的任务
D 以上说法均不正确
2. 关于卷积神经网络的迁移学习,下列说法正确的是:
A 针对图像识别,每次都要重新训练一个卷积神经网络
B 两个识别任务越相似,两者的高级特征(在晚期的卷积层提取)就越相似
C 经典的卷积神经网络(如AlexNet)不需要微调,就可以直接应用在其他任务中
D 以上说法均不正确
1=>C 2=>B