Logo ms.boatexistence.com

Bila hendak menggunakan model terlatih?

Isi kandungan:

Bila hendak menggunakan model terlatih?
Bila hendak menggunakan model terlatih?

Video: Bila hendak menggunakan model terlatih?

Video: Bila hendak menggunakan model terlatih?
Video: HIVI! - Siapkah Kau 'Tuk Jatuh Cinta Lagi (Official Lyric Video) 2024, Mungkin
Anonim

Ringkasnya, model pra-latihan ialah model yang dicipta oleh orang lain untuk menyelesaikan masalah yang sama. Daripada membina model dari awal untuk menyelesaikan masalah yang sama, anda menggunakan model yang dilatih mengenai masalah lain sebagai titik permulaan Contohnya, jika anda ingin membina kereta pembelajaran kendiri.

Apakah yang dimaksudkan dengan model Pralatih?

Definisi. Model yang telah mempelajari perhubungan ramalan secara bebas daripada data latihan, selalunya menggunakan pembelajaran mesin.

Bagaimanakah anda menggunakan rangkaian Pralatih?

Gunakan rangkaian terlatih terus kepada masalah pengelasan. Untuk mengklasifikasikan imej baharu, gunakan classify. Untuk contoh yang menunjukkan cara menggunakan rangkaian terlatih untuk pengelasan, lihat Mengelaskan Imej Menggunakan GoogLeNet. Gunakan rangkaian terlatih sebagai pengekstrak ciri dengan menggunakan pengaktifan lapisan sebagai ciri

Mengapakah ia berfaedah untuk menggunakan model pra-latihan untuk CNN?

Biasanya, CNN pra-latihan mempunyai penapis yang berkesan untuk mengekstrak maklumat daripada imej kerana mereka dilatih dengan set data yang diedarkan dengan baik dan mereka mempunyai seni bina yang baik. Pada asasnya, penapis dalam lapisan konvolusi dilatih dengan betul untuk mengekstrak ciri imej.

Bagaimanakah cara saya memilih model Pralatih?

Model Robot Penghantaran - Kenal pasti objek di tepi jalan.

Terdapat beberapa soalan yang anda mesti tanya diri anda untuk pemilihan model Pra-Latihan yang baik:

  1. Apakah OUTPUT yang diingini?
  2. Apakah jenis INPUT yang anda jangkakan?
  3. Adakah Model Pra-Latihan menyokong keperluan input sedemikian?
  4. Apakah ketepatan model dan spesifikasi lain?

Disyorkan: