迁移学习
关注
分享
扫一扫
相关迁移学习内容
zephyrji96
Master at Shenzhen University.
Research interest: transfer learning, domain adaptation, autonomous vehicle and CV.
2021.3-2021.9 Intern at SenseTime
2020.07-2021.2 Intern at TCL Industrial Technology Research Institute
展开
-
【领域适应】训练梯度反向层（gradient reversl layer, GRL）
写在前面：本文纯属个人项目需用到GRL，特此记录调试过程的一些经验，如有问题欢迎指正。本文不对GRL做介绍，了解学习概念可往：GRL （其中第二高赞的问题令人深思，个人觉得很有道理）下面进如正文：验证分类器有效：在调试GRL前，先单独对分类器进行训练，确保网络能够进行分类；验证GRL是否工作：在输出结果层（最后一层）后面加上GRL，令整个梯度都是反向的，并且将GRL参数设置为常数1，观察...原创 2020-03-31 22:56:58 · 4420 阅读 · 5 评论 -
【迁移学习】算法之TrAdaBoost
TradaBoost算法由来已久，具体算法可以参考作者的原始文章，Boosting For Transfer Learning。1.问题定义传统的机器学习的模型都是建立在训练数据和测试数据服从相同的数据分布的基础上。典型的比如有监督学习，我们可以在训练数据上面训练得到一个分类器，用于测试数据。但是在许多的情况下，这种同分布的假设并不满足，有时候我们的训练数据会过期，而重新去标...转载 2019-10-17 18:31:18 · 8223 阅读 · 0 评论