原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
01;迁移学习原理;迁移学习(TransferLearning)
是机器学习的一个研究方向，主要研究如何将任务A上学习到的知识迁移到任务B上，以提高在任务B上的泛化性能。
通过迁移任务A上学习的知识，在任务B上训练分类器可以使用更少的样本和更少的训练代价，并且获得不错的泛化能力
任务A为猫、狗分类问题，任务B为牛、羊分类问题。
任务A和任务B存在大量的共享知识
在训练任务B的分类器时，可以不从零开始训练，而是在任务A上获得的知识的基础上面进行训练或微调(Fine-tuning);迁移学习方法：网络微调技术。
对于卷积神经网络，一般认为它能够逐层提取特征，越末层的网络的抽象特征提取能力越强，
输出层一般使用与类别数相同输出节点的全连接层，作为分类网络的概率分布预测。
对于相似的任务A和B，如果它们的特征提取方法是相近的，则网络的前面数层可以重用，网络后面的数层可以根据具体的任务设定从零开始训练。
;举例
;迁移学习实战;思路
在DenseNet121的基础上，使用ImageNet数据集上预训练好的模型参数初始化DenseNet121网络，
并去除最后一个全连接层，
追加新的分类子网络，最后一层的输出节点数设置为2。;;结果分析;感谢您的观看！
文档评论（0）