深度学习之基础概念

hongxing.Li

于 2022-03-07 12:40:40 发布

阅读量900

点赞数 1

分类专栏：深度学习之基础概念文章标签：深度学习迁移学习

本文链接：https://blog.youkuaiyun.com/G_Tlover/article/details/123327400

版权

1 篇文章

订阅专栏

迁移学习是一种有效的方法，通过利用预训练的神经网络，如图1-1所示，来提升特定任务（如X射线图像识别）的性能。当数据集小的时候，可以只训练最后一两层；而数据集充足时，则进行预训练和微调。这种技术有助于减少训练时间并提高新数据集的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、迁移学习概念
在这里插入图片描述

					图1-1 训练好的神经网络

举个例子：
假设你已经训练好一个图像识别神经网络如图1-1，此时你需要这个神经网络做具
体的图像识别工作（X射线扫描图等等），你可以将神经网络最后一层、以及进入
最后一层的权重删掉，然后为最后一层赋予随机权重放在新数据集上再次训练。

二、迁移学习训练的方法
(1)当你有数据集较小，可以只训练最后一两层，其他层的权重保持不变。

(2)当你有足够多的数据集，你可以重新训练整个神经网络所有参数，称之为预训练，将预训练得到的结果在数据集上多次训练，这个过程称之为微调。