文章目录
- 机器学习流程—迁移学习 模型微调
- 迁移学习的思想
- 主要优点
- 常见的微调 fine-tuning
- 案例一 VGG19鲜花分类器
- 案例二 ResNet图像分类
- 案例三 BERT 情感分析
- 总结
机器学习流程—迁移学习 模型微调
一旦你踏进了机器学习领域，就等同于踏进了“终身学习”之旅。因为机器学习领域庞大而繁杂，除了我们讲过的监督学习、无监督学习、半监督学习、强化学习、深度学习和集成学习之外，还有迁移学习、自动化机器学习、联邦学习、图神经网络等多种学习类型和研究方向
所以不要重复造轮子。要知道，人类的知识大厦都是经年累月，逐层搭建起来的，机器学习发展到今天，不仅有非常多的包供我们调用，甚至也已经有越来越多的模型，我们可以直接使用。在模型发布上线那一节中，我们就预训练了一个模型，然后在 Web 应用中直接把这个训练好的模型拿过来使用。其实，对于别人已经预训练成功的大型模型，我们也可以做个微调，然后
)）)
Collections.sort()深入理解)
 -- ES文档操作 + RestApi + RestClient操作文档)
 CC6链原理分析)
