- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
入门 | 简述迁移学习在深度学习中的应用
——迁移学习，CS231 卷积神经网络视觉识别课程 (http://cs231n.github.io/transfer-learning/) 语言数据中的迁移学习 在以文本作为输入-输出的自然语言处理任务中 文章 迁移学习维基百科（https://en.wikipedia.org/wiki/Transfer_learning） 迁移学习——机器学习的下一个前沿，2017（http://ruder.io/transfer-learning /） 迁移学习（CS231，卷积神经网络视觉识别）（http://cs231n.github.io/transfer-learning/） Quora 话题：迁移学习是如何起作用的？
93470发布于 2018-05-10 - 来自专栏专知
迁移学习在深度学习中的应用
——迁移学习，卷积神经网络进行视觉识别，CS231n（http://cs231n.github.io/transfer-learning/ ） ▌用语言数据进行迁移学习 ---- 自然语言处理问题使用文本作为输入或输出 wiki/Transfer_learning Transfer Learning – Machine Learning’s Next Frontier, 2017.: http://ruder.io/transfer-learning Transfer Learning, CS231n Convolutional Neural Networks for Visual Recognition: http://cs231n.github.io/transfer-learning
1.3K61发布于 2018-04-12 - 来自专栏机器学习实践二三事
fine-tuning的二三事
参考 (1) NodYoung的博客 (2) CS231的transfer-learning (3) 知乎上关于caffe下做fine-tuning的介绍
792100发布于 2018-01-02 - 来自专栏ATYUN订阅号
一文读懂在深度学习中使用迁移学习的好处
（http://ruder.io/transfer-learning/） Transfer Learning, CS231n Convolutional Neural Networks for Visual Recognition（http://cs231n.github.io/transfer-learning/） How does transfer learning work?
4.4K80发布于 2018-03-06 - 来自专栏PPV课数据科学社区
什么是迁移学习？它都用在深度学习的哪些场景上？这篇文章替你讲清楚了
/wiki/Transfer_learning Transfer Learning – Machine Learning’s Next Frontier, 2017. http://ruder.io/transfer-learning Transfer Learning, CS231n Convolutional Neural Networks for Visual Recognition http://cs231n.github.io/transfer-learning
1.1K60发布于 2018-04-24 - 来自专栏AI科技大本营的专栏
什么是迁移学习？它都用在深度学习的哪些场景上？这篇文章替你讲清楚了
/wiki/Transfer_learning Transfer Learning – Machine Learning’s Next Frontier, 2017. http://ruder.io/transfer-learning Transfer Learning, CS231n Convolutional Neural Networks for Visual Recognition http://cs231n.github.io/transfer-learning
820100发布于 2018-04-27 - 来自专栏李智的专栏
Deep learning基于theano的keras学习笔记（0）-keras常用的代码
如果你需要在代码中初始化一个完全相同的模型，请使用： model.load_weights('my_model_weights.h5') 如果你需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning
1.1K10发布于 2018-08-03 - 来自专栏范传康的专栏
AIoT应用创新大赛-基于TFML的迁移学习实践
Microcontrollers Process [model workflow of fine-tune and deploy ] 3 模型构建环境 模型环境用于下载预训练模型，基于少量应用场景数据进行迁移学习（transfer-learning
2.4K52编辑于 2022-02-23 - 来自专栏图与推荐
「图上的预训练」 STRATEGIES FOR PRE-TRAINING GRAPH NEURAL NETWORKS
2.提出了一种有效的GNN预训练策略，并证明了该策略对于hard transfer-learning的有效性以及分布外的泛化能力。
1.3K20发布于 2020-04-07 - 来自专栏专知
【论文推荐】最新九篇目标检测相关论文—常识性知识转移、尺度不敏感、多尺度位置感知、渐进式域适应、时间感知特征图、人机合作
we find that using common-sense knowledge substantially improves detection performance over existing transfer-learning
1.5K70发布于 2018-04-13 - 来自专栏IT派
PyTorch之迁移学习实战
关于迁移学习的更多例子：http://cs231n.github.io/transfer-learning/ 在实际工程上，很少有人从头开始训练整个卷积网络（随机初始化），因为拥有足够大小的数据集相对来说比较少见
74710发布于 2018-08-10 - 来自专栏量子位
手把手带你入坑迁移学习（by 当过黑客的CTO大叔）
https://www.kaggle.com/c/dog-breed-identification/data 斯坦福CS231n李飞飞主讲的王牌课程 生肉：http://cs231n.github.io/transfer-learning
1K60发布于 2018-03-23 - 来自专栏AI研习社
不再受限于数据集和硬件，下一代机器学习软件如何构建？
如果你想在迁移学习上有更专业的钻研，Sebastian Ruder 已经写了一本很棒的入门书：https://ruder.io/transfer-learning/ 。
77220发布于 2020-02-21 - 来自专栏素质云笔记
keras系列︱迁移学习：利用InceptionV3进行fine-tuning及预测、完美案例（五）
如果你需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，你可以通过层名字来加载模型： model.load_weights(‘my_model_weights.h5
3.6K101发布于 2018-01-02 - 来自专栏IT派
迁移学习之通览
原文：http://ruder.io/transfer-learning/index.html?spm=5176.100239.blogcont278819.17.3xZNJd
76360发布于 2018-03-28 - 来自专栏AI小白入门
【DL】Deep learning in all，深度学习不再困难
「注:如果你想更深入地了解迁移学习，塞巴斯蒂安·鲁德已经写了一本很棒的入门书(https://ruder.io/transfer-learning/)。」
73020发布于 2020-02-20 - 来自专栏AI科技大本营的专栏
掌握深度学习，为什么要用PyTorch、TensorFlow框架？
如果你想了解有关卷积神经网络迁移学习的更多信息，则可能需要阅读有关该主题的文章： 斯坦福 CS231笔记 https://cs231n.github.io/transfer-learning/ 并阅读相关的参考资料
1.8K10发布于 2019-09-05 - 来自专栏AI科技评论
深度学习应用不再举步维艰，迁移学习成最大功臣
如果想要深入了解迁移学习，可参考Sebastian Ruder 曾为迁移学习写过的一篇综述性的文章：https://ruder.io/transfer-learning/ 做迁移学习的方法有很多，而其中微调的方法尤其被广泛采用
1.1K30发布于 2020-02-25 - 来自专栏小数志
一名数据分析师到算法工程师的转岗经历
一年来，个人先后阅读跟踪了以下几个热点方向：AutoML、Meta-Learning、Time-Series Forecasting、Transfer-Learning、Cross-Domain Recommendation
1.1K31编辑于 2022-09-19 - 来自专栏深度学习那些事儿
利用pytorch实现迁移学习(Transfer Learning)
参考资料： 1、http://cs231n.github.io/transfer-learning/ 2、http://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html
3.5K40发布于 2018-06-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号