點擊上方“AI遇見機器學習”，選擇“星標”公眾號

重磅干貨，第一時間送達

一、資源簡介

這次給大家推薦一篇關于卷積神經網絡遷移學習的實戰資料，卷積神經網絡遷移學習簡單的講就是將一個在數據集上訓練好的卷積神經網絡模型通過簡單的調整快速移動到另外一個數據集上。

隨著模型的層數及模型的復雜度的增加，模型的錯誤率也隨著降低。但是要訓練一個復雜的卷積神經網絡需要非常多的標注信息，同時也需要幾天甚至幾周的時間，為了解決標注數據和訓練時間的問題，就可以使用遷移學習。

卷積神經網絡(Convolutional Neural Networks, CNN)是一類包含卷積計算且具有深度結構的前饋神經網絡(Feedforward Neural Networks)，是深度學習(deep learning)的代表算法之一? 。卷積神經網絡具有表征學習(representation learning)能力，能夠按其階層結構對輸入信息進行平移不變分類(shift-invariant classification)，因此也被稱為“平移不變人工神經網絡(Shift-Invariant Artificial Neural Networks, SIANN)” 。

二、主要內容

比如在訓練好的inception-v3模型中，因為將瓶頸層的輸出再通過一個單層的全連接層神經網絡可以很好的區分1000種類別的圖像，所以可以認為瓶頸層輸出的節點向量可以被作為任何圖像的一個更具有表達能力的特征向量。于是在新的數據集上可以直接利用這個訓練好的神經網絡對圖像進行特征提取，然后將提取得到的特征向量作為輸入來訓練一個全新的單層全連接神經網絡處理新的分類問題。

一般來說在數據量足夠的情況下，遷移學習的效果不如完全重新訓練。但是遷移學習所需要的訓練時間和訓練樣本要遠遠小于訓練完整的模型。

三、資源分享

同時為了方便大家，我們把最新PDF打包好了，可以直接下載哦~

獲取方式：

1. 關注我們的公眾號“AI遇見機器學習”

2.?后臺回復“cnn遷移學習”?即可以獲取資料哈~(建議復制，避免錯字)

推薦閱讀

干貨|學術論文怎么寫

資源|NLP書籍及課程推薦(附資料下載)

干貨|全面理解N-Gram語言模型

資源|《Machine Learning for OpenCV》書籍推薦

歡迎關注我們，看通俗干貨！

總結

以上是生活随笔為你收集整理的pytorch卷积神经网络_资源|卷积神经网络迁移学习pytorch实战推荐的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。