在本教程中，你將學習如何使用遷移學習通過預訓練網絡對貓和狗的圖像進行分類。

預訓練模型是一個之前基于大型數據集（通常是大型圖像分類任務）訓練的已保存網絡。

遷移學習通常應用在數據集過少以至于無法有效完成模型的訓練，故而尋求在預訓練模型的基礎上進行訓練、微調來解決這個問題。當然，即使數據集不那么小，我們也可以通過預訓練模型來加快模型的訓練。

在本文中，我們無需（重新）訓練整個模型，基礎卷積網絡已經包含通常用于圖片分類的特征。但是，預訓練模型的最終分類部分特定于原始分類任務，隨后特定于訓練模型所使用的類集。

微調：解凍已凍結模型庫的一些頂層，并共同訓練新添加的分類器層和基礎模型的最后幾層。這樣，我們便能“微調” base model 中的高階特征表示，以使其與特定任務（遷移后的任務）更相關。

將遵循通用的深度學習的工作流程。

檢查并理解數據

構建輸入流水線，在本例中使用 Keras ImageDataGenerator

構成模型

• 加載預訓練的基礎模型（和預訓練權重）
• 將分類層堆疊在頂部

訓練模型

評估模型

---

遷移學習和微調

• • 數據預處理
  • • 數據下載
    • 配置數據集以提高性能
    • 使用數據擴充
    • 重新縮放像素值

總結

以上是生活随笔為你收集整理的深度学习100例 | 第33天：迁移学习-实战案例教程的全部內容，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。