模型微调

在源数据集(如ImageNet数据集)上预训练一个神经网络模型,即源模型 

创建一个新的神经网络模型,即目标模型。它复制了源模型上除了输出层外的所有模型设计及其参数,假设这些模型参数包含了源数据集上学习到的知识,且这些知识同样适用于目标数据集,还假设源模型的输出层跟源数据集的标签紧密相关,因此在目标模型中不予采用

 为目标模型添加一个输出大小为目标数据集类别个数的输出层,并随机初始化该层的模型参数

 在目标数据集(如椅子数据集)上训练目标模型。我们将从头训练输出层,而其余层的参数都是基于源模型的参数微调得到的


你可能感兴趣的:(模型微调)