计算机视觉深度神经网络总结（目标检测，分类、特征提取）
·
补充一下模型迁移的相关知识：
使用微调技术，也叫做参数迁移
不同的情况：
（1）数据集小，并且与原数据集差别不大
因为目标数据集与原数据集的数据分布差异不大，使用微调技术，只需要将输出层改为特定任务下的输出层即可
（2）数据集小，相似程度不高
这种情况下，“冻结”与训练模型的前“k”个层的权重，然后重新训练后面的“n-k”个层，最后一层根据输出具体确定
因为相似度不高所以需要重新训练，而因为是小数据集，所以“冻结”前k个层来防止过拟合
（3）数据集大，相似程度不高
采用预训练模型不是很高效率，需要将权值进行初始化从头开始训练，将输出层改为特定任务下的输出层
（4）数据量大，相似程度高
理想情况，进行保持原有的 结构与权值2参数，从头开始训练
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
3
0- 0
已为社区贡献1条内容
所有评论(0)