Pytorch迁移学习训练自己的图像分类模型
使用深度学习框架Pytorch，在ImageNet预训练图像分类模型（例如Resnet18）基础上，对自己图像分类数据集进行迁移学习（transfer learning）微调（fine-tuning）训练，得到自己的图像分类模型。在训练过程中，记录训练集和测试集的损失函数、准确率、Precision、Recall、f1-score等评估指标，使用wandb可视化面板监控。为后续的新图像预测、测试集
·
迁移学习(Transfer Learning)是机器学习中的一个名词,是指一种学习对另一种学习的影响，或习得的经验对完成其他活动的影响。迁移广泛存在于各种知识、技能与社会规范的学习中。[1]
迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。比如说，用来辨识汽车的知识（或者是模型）也可以被用来提升识别卡车的能力。计算机领域的迁移学习和心理学常常提到的学习迁移在概念上有一定关系，但是两个领域在学术上的关系非常有限。
技术共进，成长同行——讯飞AI开发者社区
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)