مقدمه ای برای انتقال یادگیری و آموزش مجدد

به زبان ساده ، یادگیری انتقال یک رویکرد یادگیری ماشین است که در آن مدلی که قبلاً روی یک مجموعه داده خاص آموزش دیده و برای یک کار خاص ساخته شده است ، دوباره به عنوان نقطه شروع آموزش در یک مجموعه داده دیگر برای یک کار متفاوت مورد استفاده مجدد قرار می گیرد.

انتقال یادگیری یک رویکرد محبوب برای آموزش مدل است ، و بینایی رایانه ای و آموزش پردازش زبان طبیعی از پیش آموزش دیده شده معمولاً به عنوان نقطه شروع برنامه های خاص کاربر استفاده می شود. در Modzy ، مدل های ما به گونه ای طراحی شده اند که برای برنامه های خاص شما کار نمی کنند ، اما ما همچنین گزینه ای برای آموزش مجدد از طریق CPU ، با استفاده از یادگیری انتقال و انطباق دامنه ارائه می دهیم تا مدل های ما حتی بیشتر متناسب با برنامه های خاص شما باشد.

چه چیزی میخواهید بدانید

انتقال یادگیری در بسیاری از برنامه های متمرکز بر بینایی رایانه و پردازش زبان طبیعی به طرز شگفت آوری کار می کند ([1]) انتقال یادگیری و انطباق دامنه به شرایطی اطلاق می شود که از آنچه در یک محیط آموخته شده است برای بهبود تعمیم در محیط دیگر سو explo استفاده می شود ([2])

همیشه بین توزیع داده های منبع و هدف عدم تطابق وجود دارد ، اما دلیل عدم تطابق …