深度学习笔记31 微调
微调:不是调参,而是将一个已经训练好的网络,用于另一个数据集,类似迁移学习吧。
一个神经网络一般分成2块——特征抽取和线性分类器
微调的效果在“源数据集远远大于目标数据集的时候”效果很好。
底层的参数更加通用,而高层的参数更与数据集相关,因此在微调的时候可以固定底层的参数。
目标检测的常用算法
区域卷积神经网络 R-CNN
微调:不是调参,而是将一个已经训练好的网络,用于另一个数据集,类似迁移学习吧。
一个神经网络一般分成2块——特征抽取和线性分类器
微调的效果在“源数据集远远大于目标数据集的时候”效果很好。
底层的参数更加通用,而高层的参数更与数据集相关,因此在微调的时候可以固定底层的参数。
目标检测的常用算法
区域卷积神经网络 R-CNN