En termes simples, un modèle pré-entraîné est un modèle créé par quelqu'un d'autre pour résoudre un problème similaire. Au lieu de construire un modèle à partir de zéro pour résoudre un problème similaire, vous utilisez le modèle formé sur un autre problème comme point de départ Par exemple, si vous voulez construire une voiture auto-apprenante.
Qu'entend-on par modèle pré-entraîné ?
Définition. Un modèle qui a indépendamment appris des relations prédictives à partir de données de formation, souvent en utilisant l'apprentissage automatique.
Comment utiliser un réseau pré-entraîné ?
Appliquez des réseaux pré-entraînés directement aux problèmes de classification. Pour classer une nouvelle image, utilisez classify. Pour un exemple montrant comment utiliser un réseau pré-entraîné pour la classification, consultez Classifier une image à l'aide de GoogLeNet. Utilisez un réseau pré-entraîné comme extracteur de fonctionnalités en utilisant les activations de couche comme fonctionnalités
Pourquoi est-il avantageux d'utiliser les modèles pré-entraînés pour les CNN ?
Habituellement, les CNN pré-entraînés disposent de filtres efficaces pour extraire les informations des images car ils sont entraînés avec un ensemble de données bien distribué et ils ont une bonne architecture. Fondamentalement, les filtres des couches convolutives sont correctement entraînés pour extraire les caractéristiques des images.
Comment choisir un modèle pré-entraîné ?
Delivery Robot Model - Identifier les objets en bord de route.
Il y a quelques questions que vous devez vous poser pour la sélection d'un bon modèle pré-formé:
- Quelles sont les SORTIES souhaitées ?
- Quel genre d'ENTRÉES attendez-vous ?
- Le modèle pré-entraîné prend-il en charge ces exigences d'entrée ?
- Quelle est la précision du modèle et les autres spécifications ?
