超级会员免费看
本文探讨了在没有大量数据支持的情况下，如何利用预训练模型解决机器学习问题。通过预训练模型的浅层特征通用性，可以进行微调适应新任务，如猫狗分类。预训练的思想包括微调（fine-tuning）和冻结（freezing）方法。预训练模型的适用性取决于任务的相似性，如鹅鸭模型适用于猫狗分类但不适用于翻译或视频识别。fairseq和transformers库提供了预训练模型的应用途径。
我们会先来说预训练有什么用,其实
之前说的机器学习,其实都是跟数学相关性很大的,比如,支持向量机,回归算法,
1.最早的时候,做机器学习,就是偏数学的,比如用的决策树,支持向量机,线性回归,逻辑回归等算法.
这种是偏向数学的,偏向统计的.
然后这个深度学习,其实就是偏大数据的,需要大量的数据来训练,需要大数据支持.
但是呢实际上,很多的项目是没有大数据的支持的,比如,我们有个猫狗分类问题,
我给你100张图片,让你去训练,然后再给你一张
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
