Finetune

Python小白逆袭大神的课程总结

课程总结课纲一、乘法表与文件操作二、层级页面爬虫三、数据可视化四、图像样本生成自制数据集标签文本，以及finetune五、瀑布流评论爬取、数据清洗、分词、可视化以及文本分析心得课纲一、乘法表与文件操作我只想说
MC.zeeyoung·2020-06-26 12:22

机器学习项目（六）医疗知识图谱构建（一）

自动提取内在特征模型算法：优化特征的权重进行非线性映射深度学习对比知识图谱能够实现端到端的模型，中间减少人为的参与，知识图谱通过三元组的关系表示，可以最大限度的获得自然世界中的相互联系发展方向Pretrain+finetune
TongYixuan_LUT·2020-06-25 06:13

如何让Bert在finetune小数据集时更“稳”一点

作者：邱震宇（华泰证券股份有限公司算法工程师）知乎专栏：我的ai之路来自：AINLP最近刷到一篇论文，题目是RevisitingFew-sampleBERTFine-tuning。论文刚挂到arxiv上，虽然关注的人还不是很多，但是读完之后发现内容很实用，很适合应用到实际的业务中。本文主要就这篇论文中的一些观点进行解读和实验验证。话不多说，直接进入正题。这篇论文主要探讨的主题是如何更有效地使用be
zenRRan·2020-06-25 03:00

PyTorch面试题面经

面试题面经Linux，Git面试题面经HR面试题面经1.conv2d的参数及含义2.pytorch如何微调finetuning：在加载了预训练模型参数之后，需要finetuning模型，可以使用不同的方式finetune
别说话写代码·2020-06-25 01:19

Keras迁移学习实现图像分类和特征提取

Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune模型的预训练权重将下载到~/.keras/models/并在载入模型时自动载入可用的模型应用于图像分类的模型
经年不往·2020-06-24 13:06

利用深度学习(CNN)进行验证码(字母+数字)识别

本文的思路是：1.使用keras中预训练好的模型，在python生成的验证码（5万条）上finetune，得到python验证码模型；2.使用python验证码模型，在实际验证码（500条）上finetune
helen1313·2020-06-23 13:17

增量学习不只有finetune，三星AI提增量式少样本目标检测算法 | CVPR 2020

作者|VincentLee来源|晓飞的算法工程笔记该论文研究了非常有意义的增量式少样本目标检测场景iFSD(IncrementalFew-ShotDetection)，场景设置如下：检测模型可以在包含充足样本的基础类别上进行训练训练好后，iFSD能够应用到真实世界中，任何新类别在任何时候都能通过少量标注样本进行注册对于无限的新类别的学习，在内存使用量、存储用量和计算量上都应该是可行的，理想情况下，
AI科技大本营·2020-06-23 02:13

升级keras解决load_weights()中的未定义skip_mismatch关键字问题

1、问题描述在用yolov3训练自己的数据集时，尝试加载预训练的权重，在冻结前154层的基础上，利用自己的数据集finetune。
·2020-06-22 08:19

关于深度学习的基本知识（面试常见问题）

RELU函数构建稀疏矩阵，也就是稀疏性，这个特性可以去除数据中的冗余，最大可能保留数据的特征，也就是大多数为0的稀疏矩阵来表示，加快计算收敛finetune微调，利用已有模型的参数训练，少量的训练集即可以收敛
samsara1995·2020-06-20 21:01

增量学习不只有finetune，三星AI提出增量式少样本目标检测算法ONCE | CVPR 2020

论文提出增量式少样本目标检测算法ONCE，与主流的少样本目标检测算法不太一样，目前很多性能高的方法大都基于比对的方式进行有目标的检测，并且需要大量的数据进行模型训练再应用到新类中，要检测所有的类别则需要全部进行比对，十分耗时。而论文是增量式添加类别到模型，以常规的推理形式直接检测，十分高效且数据需求十分低，虽然最终的性能有点难看，但是这个思路还是可以有很多工作可以补的 来源：晓飞的算法工程笔记公众
VincentLee·2020-06-06 07:30

【CV1】tensorflow/keras/pytorch教程

keras2.1线性回归2.2非线性回归2.3mnist分类(识别)2.4CNN手写数字识别2.5RNN手写数字识别2.6模型保存和载入2.7绘制网络结构2.8图像数据增强2.9CNN猫狗分类(2分类)2.10Finetune-VGG16
码农编程录·2020-06-01 14:47

增量学习不只有finetune，三星AI提出增量式少样本目标检测算法ONCE | CVPR 2020

论文提出增量式少样本目标检测算法ONCE，与主流的少样本目标检测算法不太一样，目前很多性能高的方法大都基于比对的方式进行有目标的检测，并且需要大量的数据进行模型训练再应用到新类中，要检测所有的类别则需要全部进行比对，十分耗时。而论文是增量式添加类别到模型，以常规的推理形式直接检测，十分高效且数据需求十分低，虽然最终的性能有点难看，但是这个思路还是可以有很多工作可以补的 来源：晓飞的算法工程笔记公众
晓飞的算法工程笔记·2020-04-30 09:00

人工智能——小玩意NO.1——《青春有你2》选手识别

《青春有你2》选手识别《青春有你2》选手识别人工智能框架图片数据标注预处理将收集到的数据用代码来批量标注模型选取和使用方法数据准备生成数据读取器配置策略组建FinetuneTask开始Finetune对模型进行测试完整人物识别网络模型代码文件扩展玩法
君名余曰正则·2020-04-26 22:54

505-试验记录

说明：记录试验过程以及数据每次更新内容在最上，旧的内容在下，按照时间顺序排列试验内容：用迁移学习的方法，利用前期获得的视网膜血管分割'caffemodel'，在Caffe框架上进行finetune，重新得到地面裂缝识别的
moulei·2020-04-08 11:04

我的Keras使用总结（4）——Application中五款预训练模型学习及其应用

本节主要学习Keras的应用模块Application提供的带有预训练权重的模型，这些模型可以用来进行预测，特征提取和finetune，上一篇文章我们使用了VGG16进行特征提取和微调，下面尝试一下其他的模型
战争热诚·2020-04-03 09:00

pytorch finetune模型

pytorchfinetune模型文章主要讲述如何在pytorch上读取以往训练的模型参数，在模型的名字已经变更的情况下又如何读取模型的部分参数等。--------作者:jiangwenj02【转载请注明】pytorch模型的存储与读取其中在模型的保存过程有存储模型和参数一起的也有单独存储模型参数的单独存储模型参数存储时使用：torch.save(the_model.state_dict(),PA
jiangwenj02·2020-03-07 22:01

中文语料的 Bert finetune

FinetuneBertforChineseNLP问题被证明同图像一样，可以通过finetune在垂直领域取得效果的提升。Bert模型本身极其依赖计算资源，从0训练对大多数开发者都是难以想象的事。
谷粒先生_·2020-02-14 11:17

基于TensorFlow-Slim的图像分类模板库

它允许我们从零开始训练模型或者是从预先训练好的权重文件上进行Finetune操作。此外，它还包含了一些
陈阿超·2020-02-06 22:33

tensorflow estimator 使用hook实现finetune方式

为了实现finetune有如下两种解决方案：model_fn里面定义好模型之后直接赋值defmodel_fn(features,labels,mode,params):#.....
andylei777·2020-01-21 09:48

Pytorch之finetune使用详解

finetune分为全局finetune和局部finetune。
heathhose·2020-01-18 15:43

pytorch如何冻结某层参数的实现

在迁移学习finetune时我们通常需要冻结前几层的参数不参与训练，在Pytorch中的实现如下：classModel(nn.Module):def__init__(self):super(Transfer_model
Pr4da·2020-01-10 11:01

BERT fintune 的艺术

BERT预训练模型就如宰好待烹的猪，则finetune便是烹饪之法，猪头能用来做成香糯浓醇的烧猪头肉，猪蹄能用来做成劲道十足的红烧猪蹄，身上的梅花肉，五花肉，里脊肉也各有各的做法。
坂本龙一·2020-01-06 12:21

2019-08-09工作进展

昨天工作：使用类目过滤信息对dssm网络进行finetune，正样本采用的类目过滤之后剩下的数据，负样本采用的是dssm模型认为是正样本但是被类目过滤掉的数据。
Songger·2019-12-23 10:46

Tesseract 训练数据

TrainingTesseract4.00Finetune迁移学习参考文档:https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract
RobertY·2019-12-21 03:35

BERT源码分析及使用方法

本文对官方代码库的结构进行整理和分析，并在此基础上介绍本地数据集使用BERT进行finetune的操作流程。BERT的原理介绍见参考文献[3]。  BERT是一种能够生成句子中词向量表示
Milburn·2019-12-12 23:00

2019-12-02 吴恩达深度学习笔记：迁移学习、多任务学习、端到端学习

一、迁移学习1.Finetune在一个数据集上训练完神经网络后（pre_training预训练），在另一个数据集上再训练再训练方法：1）前面的层不动（冻结），重新初始化最后一层的权重，并把y值改为新数a
Yuyao_b2c0·2019-12-02 11:35

模型保存、加载和模型Finetune

模型保存、加载和模型Finetune模型保存、加载和模型Finetune模型保存、加载和模型Finetune1.序列化与反序列化2.模型保存与加载的两种方式3.模型断点续训练1.TransferLearning
茗君（Major_s）·2019-11-28 09:44

Keras——VGG16的微调finetune

keras和pytorch对于引入网络模型有一些区别pytorchfromtorchvisionimportmodelsresnet_model=models.resnet18(pretrained=True)#pretrained设置为True，会自动下载模型所对应权重，并加载到模型中#也可以自己下载权重，然后load到模型中kerasfromkeras.modelsimportModelfro
lexi.li·2019-09-27 20:28

小样本学习----半监督学习算法

方法1：迁移学习的finetune找类似的通用数据集（在图像领域:imagenet，电商领域：淘宝电商
XcsdnJ2713·2019-09-03 22:00

pytorch知识点--[ pytorch ] ——基本使用：(3) finetune冻结层操作 + 学习率超参数设

原文链接：https://blog.csdn.net/jdzwanghao/article/details/83239111原[Pytorch]——复现积累原[pytorch]——基本使用：(8)优化器optimizer的使用原【python】——库：visdom（pytorch中的可视化工具）原[pytorch]——基本使用：(7)GPU分配原[pytorch]——基本使用：(6)模型并联转[p
知识在于分享·2019-08-14 19:19

《土豆学Object Detection》 之 RCNN初探

ObjectDetection》之RCNN初探文章目录前言从物体识别说起RegionCNN如何提取侯选框CNN的预训练和调整类别分类器为什么不使用softmax正负样本采样策略对于SVM训练而言对于CNN的finetune
FesianXu·2019-08-01 13:12

轻量级目标检测框架MobileNet-SSD在Caffe下实现的流程步骤

MobileNet-v1介绍MobileNet-SSD下载及文件说明针对VOC0712数据集训练对作者训练好的模型进行测试直接进行模型测试融合批归一化层进行测试利用MobileNet-SSD对NEUDataset进行finetune
jsk_learner·2019-07-12 17:36

利用caffe-ssd对钢材表面缺陷数据集(NEUDataset)进行finetune训练和测试

本篇博客主要讲述如何使用ssd在Caffe下针对自己的数据集进行finetune训练NEUDataset介绍LMDB数据集制作将数据集分为trainval和test获得trainval.txt和test.txt
jsk_learner·2019-07-11 21:11

mxnet：finetune 几层写法

所谓的finetune也就是微调，在已有的训练好的模型基础上，将该模型参数部分转移到新模型上或者全部作为新模型的初始化方式。这样带来好处就是不同数据源不同任务之间的快速训练达到想要的效果。
tony2278·2019-07-02 14:33

深度学习 —— 调整学习率（finetune）

PyTorch将深度学习中常用的优化方法全部封装在torch.optim中，其设计十分灵活，能够很方便的扩展成自定义的优化方法。所有的优化方法都是继承基类optim.Optimizer，并实现了自己的优化步骤。下面就以最基本的优化方法——随机梯度下降法（SGD）举例说明。这里需重点掌握：优化方法的基本使用方法如何对模型的不同部分设置不同的学习率如何调整学习率#首先定义一个LeNet网络 class
aift·2019-06-12 00:00

“元学习”的理解

使用Finetune来学习新任务，效果往往不好，而MetaLearning就是研究如何让神经玩两
vieo·2019-05-25 15:12

Pytorch(笔记8)--手写自己设计的神经网络

在训练过程中经常做的一件事儿，就是拿已有网络模型ResNet，DenseNet等迁移到自己的数据集进行finetune，之后调整各个层级的输入输出等，我们先拿经典的lenet来说如何用Pytorch实现一个网络模型
九点前吃饭·2019-05-19 13:30

tensorflow学习(二)——finetune预训练网络--以mobileNetV1为例

文章目录一、流程二、mobileNetV1预训练一、流程微调预训练的流程为准备数据定义网络结构，除了网络外，还可以根据需要定义梯度下降算法，准确度计算等。找到网络的定义，设置需要导入的变量(重要，因为fine-tune最后分类层如果数据类别数目不同的话是一定要改的)设置需要梯度下降更新的变量(即可以选择冻结前面特征提取层、只训练分类层)二、mobileNetV1预训练下载预训练的权重并解压网络结构
loliqq·2019-05-14 18:23

动手学gluon系列之读取预训练模型----多种方法读取预训练模型进行finetune

本文主要是博主学习gluon时候的一些总结，共勉，如有错误，欢迎指正gluon主要有3个方法得到预训练模型：gluon自身的model_zoogluoncv提供的model_zoomxnet提供的预训练模型（.params，.json）下面分别就这三个方面进行介绍一：读取gluonmodel_zoo提供的模型，并进行finetunegluon提供的model主要在gluon.model_zoo.v
春枫琰玉·2019-05-14 14:56

动手学gluon系列之读取预训练模型----多种方法读取预训练模型进行finetune

本文主要是博主学习gluon时候的一些总结，共勉，如有错误，欢迎指正gluon主要有3个方法得到预训练模型：gluon自身的model_zoogluoncv提供的model_zoomxnet提供的预训练模型（.params，.json）下面分别就这三个方面进行介绍一：读取gluonmodel_zoo提供的模型，并进行finetunegluon提供的model主要在gluon.model_zoo.v
春枫琰玉·2019-05-14 14:56

pytorch加载部分训练模型

加载部分预训练模型checkpoint_finetune=torch.load('checkpoint1/model_best.pth.tar')model_dict=model.state_dict(
枯叶蝶KYD·2019-05-13 14:19

mxnet学习(9):使用gluon接口读取symbol预训练模型finetune

使用symbol得到的模型或者gluon的hybridize之后的模型包括一个.json文件（网络结构）和.params文件（参数），gluon可以使用net=gluon.SymbolBlock.imports(json,['data'],params,ctx)导入网络和参数，这样可以进行测试或者进一步训练。但是如果只需要使用模型的其中一部分，比如只需要conv层，去掉所有fc层，或者再另外增加一
_rookie_coder·2019-05-07 16:22

NAACL 2019 | BERT : 深度双向Transformers预训练语言模型

预训练模型用于这些任务主要有两种方式，一种方式是基于feature的（例如：2018年的ELMo），另外一种是与下游NLP模型进行finetune的（例如：GPT,GenerativePre-trainedTransformer
a609640147·2019-04-28 19:07

GPT解读（论文 + TensorFlow实现）

文章目录一.GPT原理1.无监督pretrain2.有监督finetune3.变换到其他任务二.实验1.无监督pretrain2.有监督finetune3.一些分析三.TensorFlow实现1.无监督
MagicBubble·2019-04-24 16:31

ULMFiT解读（论文 + PyTorch源码）

总体来说，这篇论文也是pretrain+finetune的思路，探索的比较浅，主要用来做文本分类，而且trick相对来说也比较多。但整体的思路比较值得借鉴。
MagicBubble·2019-04-24 15:36

人工智能机器学习工具Keras快速入门教程2训练模型识别人猫狗等

Keras中的Fine-tuning预训练模型为什么我们使用FineTune模型Fine-tuning是调整预训练模型，使得参数适应新模型。
python测试开发·2019-04-23 15:37

YOLOv2的小总结（要写思考）

p/032b1eecb335首先罗列一些它做了什么：从上往下数：1.BN，在所有的卷积层后面添加BN层，移除dropout2.highresolutionclassifier，在高分辨图像上对分类网络finetune3
FSALICEALEX·2019-04-03 16:52

GPT模型：Improving Language Understanding by Generative Pre-Training

参考链接https://www.cs.ubc.ca/~amuham01/LING530/papers/radford2018improving.pdfhttps://github.com/openai/finetune-transformer-lm
大白菜—NLP·2019-03-29 18:20

Tensorflow和keras使用预训练模型进行Finetune的方法及步骤详解

目的想直接在pretrain的模型上进行finetune，使用的框架分别是tensorflow和keras。
David-Chow·2019-03-28 11:16

GPT-1论文翻译

ImprovingLanguageUnderstandingbyGenerativePre-Training官网：https://blog.openai.com/language-unsupervised/源代码：https://github.com/openai/finetune-transformer-lm
tomeasure·2019-03-02 18:20
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他