迁移学习及实操(使用预训练的VGG16网络)详解

  • 内容
  • 评论
  • 相关

本节讨论迁移学习,它是一个非常强大的深度学习技术,在不同领域有很多应用。动机很简单,可以打个比方来解释。假设你想学习一种新的语言,比如西班牙语,那么从你已经掌握的另一种语言(比如英语)学起,可能是有用的。

按照这种思路,计算机视觉研究人员通常使用预训练 CNN 来生成新任务的表示,其中数据集可能不够大,无法从头开始训练整个 CNN。另一个常见的策略是采用在 ImageNet 上预训练好的网络,然后通过微调整个网络来适应新任务。

这里提出的例子受启于 Francois Chollet 写的关于 Keras 的一个非常有名的博客(https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html)。

这个想法是使用在像 ImageNet 这样的大型数据集上预先训练的 VGG16 网络。注意,训练的计算量可能相当大,因此使用已经预训练的网络是有意义的:


一个 VGG16 网络
图 1 一个 VGG16 网络

本文标题:迁移学习及实操(使用预训练的VGG16网络)详解

本文地址:https://www.hosteonscn.com/4247.html

评论

0条评论

发表评论

邮箱地址不会被公开。 必填项已用*标注