PyTorch深度学习实战（15）——迁移学习
- 0. 前言
- 1. 迁移学习
- 1.1 迁移学习基本概念
- 1.2 迁移学习的重要性
- 1.3 ImageNet
- 1.4 迁移学习流程
- 2. VGG16 架构
- 3. 使用预训练 VGG16 模型实现猫狗分类
- 小结
- 系列链接
0. 前言
迁移学习( Transfer Learning )是一种利用从一项任务中获得的知识来解决另一项类似任务的技术。一个使用数百万张图像训练的模型，训练数据涵盖数千种对象类别，模型的卷积核将能够学习图像中的各种形状、颜色和纹理，通过重用这些卷积核可以学习到新图像的特征，并最终用于执行计算机视觉任务。随着训练数据集中可用图像数量的增加，模型的分类准确率会不断提高，然而，在实际训练模型过程中，获取大量具有标签的数据样本通常比较困难，需要耗费大量时间和人力成本，而迁移学习能够在训练数据不足的情况下实现更好的泛化性能。