《计算机视觉应用开发》课件 第2章 图像分类 cha2 5_迁移学习.pptx

迁移学习 认识迁移学习01任务finetune03任务迁移学习特点02任务 学习目标掌握迁移学习的基本概念掌握finetune的概念掌握迁移学习的特点 1认识迁移学习 1认识迁移学习深度学习面临的困境1. 大数据与少标注之间的矛盾。深度学习模型的训练和更新，均依赖于数据的标注。数据的标注是一个耗时且昂贵的操作，因为没有足够的标定数据用来学习，使得这些领域一直不能很好的发展。2. 大数据与弱计算之间的矛盾。大数据，就需要大设备、强计算能力的设备来进行存储和计算。绝大多数普通用户是不可能具有这些强计算能力的。在这种情况下，普通人想要利用这些海量的大数据去训练模型完成自己的任务，基本上不太可能。3. 普适化模型与个性化需求之间的矛盾。深度学习的目标是构建一个尽可能通用的模型，使得这个模型对于不同用户、不同设备、不同环境、不同需求，都可以很好地进行满足。4. 特定应用的需求。深度学习已经被广泛应用于现实生活中。在这些应用中，也存在着一些特定的应用，怎样去高效的使用通用模型解决特定的需求。 1认识迁移学习迁移学习的基本概念迁移学习(Transfer Learning)是一种深度学习方法，就是把为任务A开发的模型作为初始点，重新应用在为任务B开发模型的过程中，顾名思义就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务是存在相关性的，所以通过迁移学习可以将已经学到的