本頁面由 Cloud Translation API 翻譯而成。
Switch to English

什麼是轉學?

複雜的深度學習模型具有數百萬個參數(權重),從頭開始訓練它們通常需要大量計算資源數據。轉移學習是一種技巧,它可以通過採用一部分已經在相關任務上進行訓練的模型並將其重新使用在新模型中來簡化許多操作。

例如,本節的下一個教程將向您展示如何構建自己的圖像識別器,該圖像識別器利用已經過訓練的模型來識別圖像中的數千種不同類型的對象。您可以使用預訓練模型中的現有知識,以使用比所需原始模型少得多的訓練數據來檢測自己的圖像類別。

這對於快速開發新模型以及在資源受限的環境(例如瀏覽器和移動設備)中自定義模型很有用。

大多數情況下,在進行遷移學習時,我們不會調整原始模型的權重。取而代之的是,我們刪除最後一層,並在截斷模型的輸出之上訓練一個新的模型(通常相當淺)。您將在本節的教程中看到這一技巧。