In poche parole, un modello pre-addestrato è un modello creato da qualcun altro per risolvere un problema simile Invece di costruire un modello da zero per risolvere un problema simile, tu utilizzare il modello addestrato su altri problemi come punto di partenza. Ad esempio, se vuoi costruire un'auto che impara da solo.
Perché è vantaggioso utilizzare i modelli pre-addestrati per le CNN?
Di solito, le CNN pre-addestrate hanno filtri efficaci per estrarre informazioni dalle immagini perché sono addestrate con un set di dati ben distribuito e hanno una buona architettura. Fondamentalmente, i filtri negli strati convoluzionali sono opportunamente addestrati per estrarre le caratteristiche delle immagini.
Cosa si intende per modello preaddestrato?
Definizione. Un modello che ha appreso in modo indipendente relazioni predittive dai dati di addestramento, spesso utilizzando l'apprendimento automatico.
Perché i modelli preaddestrati dovrebbero essere messi a punto?
Il compito di mettere a punto una rete è modificare i parametri di una rete già addestrata in modo che si adatti al nuovo compito a portata di mano Come spiegato qui, i livelli iniziali apprendiamo caratteristiche molto generali e man mano che saliamo più in alto nella rete, i livelli tendono ad apprendere schemi più specifici per il compito su cui viene addestrato.
Cos'è il set di dati pre-addestrato?
Un modello pre-addestrato è una rete salvata che è stata precedentemente addestrata su un set di dati di grandi dimensioni, in genere su un'attività di classificazione delle immagini su larga scala. Puoi utilizzare il modello preaddestrato così com'è o utilizzare l'apprendimento del trasferimento per personalizzare questo modello per una determinata attività.
