如何将迁移学习应用于非相关问题

我想知道并了解是否可以将迁移学习用于识别与原始模型无关的图像。

例如,如果我想识别皮肤病,我可以使用一个预训练的模型,这个模型原本是用来分类猫和狗的吗?


回答:

是的,这是可能的,这就是他们提出迁移学习的主要原因之一。你只需拿一个预训练的模型,冻结其原始权重以保留其先前学到的知识,然后移除最后一层(该层输出模型训练的类别),并添加你自己的层,例如一个包含5个神经元的全连接层,输出5种不同的皮肤病,并使用softmax激活函数(或者根据你希望预测的类别数量,选择任意数量的神经元)。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注