Transfer Learning — это метод машинного обучения, при котором мы повторно используем предварительно обученную модель для решения другой, но связанной проблемы. Это один из популярных методов обучения глубокой нейронной сети. Обычно он используется для задач классификации изображений, когда объем набора данных невелик.

В этой статье мы рассмотрим, что такое трансферное обучение, как оно работает и какие преимущества оно предлагает. Кроме того, мы также рассмотрим наиболее распространенные проблемы, связанные с этим.

Перенос обучения – это исследовательская проблема в области глубокого обучения, при которой модель, обученная выполнению задачи, повторно используется для инициализации другой модели для обучения аналогичной задаче.

Оглавление:

  1. Что такое трансферное обучение?
  2. Как работает трансферное обучение?
  3. Почему мы должны использовать трансферное обучение?
  4. дальнейшее чтение
  5. Резюме

Что такое трансферное обучение?

Люди имеют возможность использовать полученные знания в различных задачах. Мы можем легко перенести знания, полученные от задачи, к другой аналогичной задаче.

Например:

  • Если вы умеете ездить на велосипеде, вы легко научитесь ездить на автомобиле.
  • Если вы знаете математику, вы можете легко выучить физику.

В обычном глубоком обучении модели обучаются только одному типу задач. Чтобы изучить другую задачу, мы должны снова построить модель с нуля. Чтобы преодолеть это ограничение, мы изучим концепцию трансферного обучения.

Трансферное обучение — это исследовательская проблема в области глубокого обучения, когда модель, обученная решению задачи, повторно используется для инициализации другой модели для обучения аналогичной задаче. Например, у вас есть модель классификации изображений, обученная классификации диких животных. Вы можете использовать эту предварительно обученную модель и использовать ее для классификации пород собак. Он в основном используется в задачах компьютерного зрения и обработки естественного языка.

ПОДРОБНЕЕ:

Что касается глубоких нейронных сетей, мы используем вес предварительно обученной модели и используем его для инициализации другой глубокой нейронной сети для создания новой модели. Эта новая модель содержит функции, изученные предыдущей предварительно обученной моделью. Таким образом, мы используем знания, полученные в ходе одной задачи, для повышения производительности в другой задаче.

Как работает трансферное обучение?

В глубокой сверточной нейронной сети (CNN) у нас есть разные слои, которые изучают разные функции из данных. Эти функции в конечном итоге формируют всю глубокую нейронную сеть. Эти функции обнаруживают линии и ребра в более ранних слоях и формы в средних слоях. Функции в последних слоях зависят от задачи. В трансферном обучении мы используем функции из более раннего и среднего слоев и обучаем последний слой с нуля. Это помогает нам воспользоваться функциями, изученными предварительно обученной моделью в предыдущей задаче.

Ранний и средний уровни состоят из общих функций, которые можно легко использовать для других подобных задач. В то время как последние слои или слои классификатора состоят из функций, специфичных для задачи. Эти функции необходимо изучить из нового набора данных.

Почему мы должны использовать трансферное обучение?

Трансферное обучение предлагает несколько преимуществ по сравнению с существующими подходами.

  1. Экономьте время обучения.
  2. Требовать менее размеченных данных.
  3. Лучшая производительность.
  4. Лучшая способность к обобщению.

Глубокая нейронная сеть состоит из множества параметров, для которых требуется много данных. Процесс обучения занимает много времени, иногда дни или даже недели, когда набор данных действительно огромен. При использовании подхода трансферного обучения мы не обучаем модель с нуля, поэтому она требует меньше размеченных данных и занимает меньше времени на обучение.

Так как мы используем предварительно обученную модель, которая уже обучена на самых разных данных. Таким образом, вновь сформированная модель будет иметь лучшую производительность даже в случае экстремального сценария. Это дало бы модели лучшую способность к обобщению и сделало бы ее более надежной.

Дальнейшее чтение

Резюме

В этой статье вы узнали, что такое трансферное обучение и чем оно лучше классического подхода к глубокому обучению. В частности, вы узнали:

  • Что такое трансферное обучение?
  • Как работает трансферное обучение?
  • Почему мы должны использовать трансферное обучение?

Тем не менее, есть вопросы или пожелания? Просто прокомментируйте ниже. Для получения дополнительных обновлений. Подписывайтесь на меня.

Первоначально опубликовано на https://idiotdeveloper.com 24 августа 2021 г.