训练网络过程中遇到一些问题:
- 数据太少,训练模型结果不好
- 调节参数花费很多时间
- 重新训练一个模型花费很多时间
应用背景:
前人做过一个模型的训练,得到一个较好的结果,我现在有一个项目可以将其模型参数拿来继续训练使用。比如之前有一个100W数据集训练VGG模型的自行车识别分类,现在需要做一个项目和这个目的差不多,那么就可以使用别人的训练模型进行训练。
本质:
将相似目标检测的同一个模型的训练数据权重偏置拿来继续训练,就相当于权重和偏置的初始化是用的别人已经训练好的。
学习的部分:
对于一个网络仅仅迁移卷积层之类的权重偏置参数,后面全连接层按照自己项目进行自己的微调重新训练。两种迁移学习方法:
- 冻结住部分或者全部卷积层参数(也就是在训练的时候不再更改别人的参数结果)
- 把别人的模型参数当作权重偏置的初始化
标签:偏置,权重,训练,模型,学习,概述,参数,迁移 来源: https://blog.csdn.net/weixin_44235615/article/details/120583810
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。