機器遷移學習的相關定義是什么

遷移學習是一種機器學習方法，即以任務A開發的模型為初始點，在任務B開發模型的過程中重復使用。遷移學習與多任務學習和概念遷移有關。它不是一個特殊的機器學習領域。以下就是為大家帶來的機器遷移學習的相關定義是什么。

機器遷移學習的相關定義是什么

一，遷移學習在某些深度學習問題中是非常受歡迎的，例如在具有大量訓練深度模型所需的資源或者具有大量的用來預訓練模型的數據集的情況。僅在第一個任務中的深度模型特征是泛化特征的時候，遷移學習才會起作用。

二，深度學習中的這種遷移被稱作歸納遷移。就是通過使用一個適用于不同但是相關的任務的模型，以一種有利的方式縮小可能模型的搜索范圍。

三，選擇的預訓練模型可以作為用于第二個任務的模型的學習起點。這可能涉及到全部或者部分使用與訓練模型，取決于所用的模型訓練技術。

在計算機視覺任務和自然語言處理任務視覺任務和自然語言處理任務新模型的起點是一種常用的方法。通常，這些預訓練模型在開發神經網絡時消耗了大量的時間資源和計算資源。遷移學習可以將學到的強大技能轉移到相關問題上。以上就是為大家帶來的機器遷移學習的相關定義是什么。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。