A transferência de aprendizagem utiliza a informação recolhida enquanto se trata de um assunto e a aplica a um assunto alternativo, por mais relacionado que seja.

Por exemplo, a informação recolhida enquanto se descobre como perceber os automóveis pode ser um pouco utilizada para perceber os camiões.

Pré-Formação

No momento em que treinamos o sistema num enorme conjunto de dados (para o modelo: ImageNet), treinamos cada um dos parâmetros do sistema neural e ao longo destas linhas o modelo é descoberto. Isso pode levar horas na sua GPU.

Sintonia fina

Podemos dar o novo conjunto de dados para calibrar a CNN pré-preparada. Pense que o novo conjunto de dados é praticamente como o conjunto de dados original utilizado para a pré-preparação. Como o novo conjunto de dados é comparativo, cargas semelhantes podem ser utilizadas para remover os destaques do novo conjunto de dados.

Caso o novo conjunto de dados seja pequeno, é mais inteligente preparar apenas as últimas camadas do sistema para se abster de se sobreajustar, mantendo todas as outras camadas fixas. Para expulsar as últimas camadas do sistema pré-preparado. Incluir novas camadas. Retrair apenas as novas camadas.

Se o novo conjunto de dados for muito grande, reciclar toda a rede com pesos iniciais do modelo pré-treinado.

O método mais eficaz para ajustar se o novo conjunto de dados for totalmente diferente do conjunto de dados original?

Os destaques anteriores de uma ConvNet contêm destaques cada vez mais convencionais (por exemplo, identificadores de borda ou localizadores de massa de sombreamento), no entanto, camadas posteriores da ConvNet revelam-se logicamente cada vez mais explícitas para as sutilezas das classes contidas no primeiro conjunto de dados.

As camadas anteriores podem separar os destaques da nova informação. Portanto, será ótimo na chance de você corrigir as camadas anteriores e reciclar o resto das camadas, na chance de você ter apenas uma quantidade modesta de informação.

No caso de ter uma grande quantidade de informação, é possível reciclar todo o sistema com cargas instaladas a partir do sistema pré-preparado.