了解Transformer架构的前奏_什么是预训练_理解预训练---人工智能工作笔记0034

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值