【李宏毅机器学习特训营】作业5-迁移学习

Desc

作业内容：迁移学习-对抗性训练(Domain Adversarial Training)。

dataset

source data: 真实照片，target data: 手画涂鸦。

location: ‘data/data58171/real_or_drawing.zip’

• Training : 5000 张真实图片 + label, 32 x 32 RGB
• Testing : 100000 张手绘图片，28 x 28 Gray Scale
• Label: 需预测 10 个 类。
• label为 0 ~ 9

方法

针对这个问题，课程里给出的方法是将目标数据和源数据经过特征提取模块
后提取的特征放入同一个特征分布器上。

下面是Domain Adversarial Training of Nerural Networks (DaNN)

在后面追加一个Domain Classifier,在学习过程中，让Domain Classifier去判断上面特征提取模块提取的特征来源哪个数据集，接着让特征提取模块学习产生特征来骗过Domain Classifier。
这样，特征提取模块提取的特征的泛化性和适用性才会更好。

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

学习课程链接

Paddle 实现迁移学习
Paddle code

参考连接：

1. 【李宏毅机器学习】作业5 迁移学习
2. 李宏毅作业十二 Transfer Learning（迁移学习）