超级会员免费看
本文介绍了迁移学习的概念，它是利用已有的知识来辅助学习新知识的方法。在机器学习中，迁移学习通过将源域的知识迁移到目标域，改善模型的性能，尤其是在数据有限的情况下。文章以图像识别为例，解释了如何利用预训练的卷积神经网络进行迁移学习，只更新最后一层全连接层的参数，以适应新的分类任务。
Pytorch Note54 迁移学习简介
全部笔记的汇总贴： Pytorch Note 快乐星球
迁移学习简介
迁移学习(transfer learning)通俗来讲，就是运用已有的知识来学习新的知识，核心是找到已有知识和新知识之间的相似性，用成语来说就是举一反三。由于直接对目标域从头开始学习成本太高，我们故而转向运用已有的相关知识来辅助尽快地学习新知识。比如，已经会下中国象棋，就可以类比着来学习国际象棋；已经会编写Java程序，就可以类比着来学习C#；已经学会英语，就可以类比着来学习法语；等等。世间万事万物皆有共性，如何合理地找寻它们之间的相似性，进而利用这个桥梁来帮助学习新知识，是迁移学习的核心问题。
比如图中不同位置、不同传感器的迁移标定。已知一个房间中A点的WiFi信号与相应的人体行为，如何标定另一个房间中C点的蓝牙信号？</
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
