keras搬砖系列-迁移学习与微调
2018-03-12 01:48
316 查看
keras搬砖系列-迁移学习与微调
一、迁移学习要研究的物体不在那个列表,我们通常可能需要区分出不同的型号的太阳镜,认出不同的鞋子,识别各种面部表情,所以需要迁移学习来完成这个学习任务。
二、为什么要采用迁移学习与微调
一般来说从头开始训练一个卷积神经网络,不仅需要大规模的数据集,会占用大量的计算资源,在实际应用中,深度学习相关的研究人员和从业者采用迁移学习和微调的方法,将数据集上有模型地步特征 提取层网络权重传递给新的分类网络。
三、迁移学习
在ImageNet取得一个训练好的卷积神经网络,删除网络顶部的全连接层,然后将卷积神经网络的剩余部分作为新的数据集的特征提取层。
四、微调
更换或者重新训练ConvNet网络顶部的分类器,还可以通过反向传播算法来进行调整训练网络的权重。
相关文章推荐
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- 深度学习系列Part2:迁移学习和微调深度卷积神经网络
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- 深度学习系列Part2:迁移学习和微调深度卷积神经网络
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- 深度学习系列Part2:迁移学习和微调深度卷积神经网络
- keras系列︱迁移学习:利用InceptionV3进行fine-tuning及预测、完美案例(五)
- keras 迁移学习, 微调, model的predict函数定义
- Keras —— 迁移学习fine-tuning
- keras搬砖系列-keras多输入多输出模型
- keras搬砖系列-softmax(二)
- keras搬砖系列-重新理解ResNet网络
- keras搬砖系列-多GPU上使用keras
- keras搬砖系列-VGG19
- 迁移学习和微调深度卷积神经网络
- keras例子之迁移学习
- Keras —— 基于InceptionV3模型(不含全连接层)的迁移学习应用
- 【深度学习系列】迁移学习Transfer Learning
- 深度学习框架Keras学习系列(三):Keras神经网络框架