几天前我遇到了模型再训练的概念。
所以 tensorflow 建议重新训练一个已经训练好的模型,而不是从头开始制作一个新模型,这样整个过程会花费更少的时间。但我不明白这是如何工作的。
就像我采用一个预训练模型(经过训练对猫和狗进行分类),我如何使用它的参数来训练我想要制作的全新模型(对不同的花进行分类)。
几天前我遇到了模型再训练的概念。
所以 tensorflow 建议重新训练一个已经训练好的模型,而不是从头开始制作一个新模型,这样整个过程会花费更少的时间。但我不明白这是如何工作的。
就像我采用一个预训练模型(经过训练对猫和狗进行分类),我如何使用它的参数来训练我想要制作的全新模型(对不同的花进行分类)。
它不会
是关于使用在数百万 ImageNet 图像上的数千个类上训练的模型。
您在数据集中拥有的大多数类很有可能已经存在。
一般来说,如果您在超类(例如车辆)上训练模型,那么您可以重用它来分类 Car 变体(利用其初始层)。
重点是重用另一个模型已经学习的特征。它可以大大减少训练时间。