- 迁移学习是一种将已经在一个任务上训练好的模型应用到另一个相关任务上的方法。通过使用预训练模型，迁移学习可以显著减少训练时间并提高模型性能。在本文中，我们将详细介绍如何使用Python和PyTorch进行迁移学习，并展示其在图像分类任务中的应用。 什么是迁移学习？迁移学习的基本思想是利用在大规模数据集（如ImageNet）上训练好的模型，将其知识迁移到特定的目标任务中。迁移学习通常包括以下步骤... 迁移学习是一种将已经在一个任务上训练好的模型应用到另一个相关任务上的方法。通过使用预训练模型，迁移学习可以显著减少训练时间并提高模型性能。在本文中，我们将详细介绍如何使用Python和PyTorch进行迁移学习，并展示其在图像分类任务中的应用。 什么是迁移学习？迁移学习的基本思想是利用在大规模数据集（如ImageNet）上训练好的模型，将其知识迁移到特定的目标任务中。迁移学习通常包括以下步骤...
- I. 引言随着深度学习技术的不断发展，强化学习作为一种重要的机器学习方法，在各个领域展现出了巨大的潜力。然而，面对复杂的任务和不确定的环境，单一的强化学习模型往往难以取得理想的性能。为了解决这一问题，模型记忆与迁移学习技术被引入到强化学习中，以提高系统的学习效率和泛化能力。本文将对模型记忆与迁移学习技术在强化学习中的应用进行详细探讨，并提供实例和部署过程。 II. 模型记忆技术模型记忆是一... I. 引言随着深度学习技术的不断发展，强化学习作为一种重要的机器学习方法，在各个领域展现出了巨大的潜力。然而，面对复杂的任务和不确定的环境，单一的强化学习模型往往难以取得理想的性能。为了解决这一问题，模型记忆与迁移学习技术被引入到强化学习中，以提高系统的学习效率和泛化能力。本文将对模型记忆与迁移学习技术在强化学习中的应用进行详细探讨，并提供实例和部署过程。 II. 模型记忆技术模型记忆是一...
- 强化学习（Reinforcement Learning, RL）是机器学习的一个重要分支，旨在通过与环境的交互来学习最优策略。然而，RL 模型的训练往往需要大量的时间和数据，这在许多实际应用中是不可行的。自适应学习和迁移学习作为解决这一问题的有效方法，正在受到越来越多的关注。本文将综述强化学习中的自适应与迁移学习模型，探讨其发展、挑战与解决方案。 I. 引言自适应学习和迁移学习是机器学习中的... 强化学习（Reinforcement Learning, RL）是机器学习的一个重要分支，旨在通过与环境的交互来学习最优策略。然而，RL 模型的训练往往需要大量的时间和数据，这在许多实际应用中是不可行的。自适应学习和迁移学习作为解决这一问题的有效方法，正在受到越来越多的关注。本文将综述强化学习中的自适应与迁移学习模型，探讨其发展、挑战与解决方案。 I. 引言自适应学习和迁移学习是机器学习中的...
- LSTM的迁移学习方法 I. 引言迁移学习是一种机器学习方法，通过将从一个任务中学到的知识应用到另一个相关的任务中，来提高模型性能和泛化能力。长短期记忆网络（LSTM）作为一种能够处理序列数据的强大模型，在迁移学习中也得到了广泛应用。本文将深入探讨如何利用迁移学习来提高LSTM模型的性能和泛化能力。 II. LSTM 简介LSTM 概述：LSTM是一种循环神经网络（RNN）的变体，通过引入... LSTM的迁移学习方法 I. 引言迁移学习是一种机器学习方法，通过将从一个任务中学到的知识应用到另一个相关的任务中，来提高模型性能和泛化能力。长短期记忆网络（LSTM）作为一种能够处理序列数据的强大模型，在迁移学习中也得到了广泛应用。本文将深入探讨如何利用迁移学习来提高LSTM模型的性能和泛化能力。 II. LSTM 简介LSTM 概述：LSTM是一种循环神经网络（RNN）的变体，通过引入...
- 代码已提交github，详情见（麻烦Star!）：https://github.com/Jasper0420/Deep-Learning-Practice-VGG 1. VGG16 VGG网络有多个版本，一般常用的是VGG-16模型，其网络结构如下如所示： 2. 使用PyTorch搭建VGG网络 2.1 model.pyVGG网络分为 卷积层提取特征 和 全连接层进行分类 这两个模块imp... 代码已提交github，详情见（麻烦Star!）：https://github.com/Jasper0420/Deep-Learning-Practice-VGG 1. VGG16 VGG网络有多个版本，一般常用的是VGG-16模型，其网络结构如下如所示： 2. 使用PyTorch搭建VGG网络 2.1 model.pyVGG网络分为 卷积层提取特征 和 全连接层进行分类 这两个模块imp...
- 代码已提交github，详情见（麻烦Star!）：https://github.com/Jasper0420/Deep-Learning-Practice-AlexNet 1. 数据集介绍 花分类数据集 flower_data 下载：http://download.tensorflow.org/example_images/flower_photos.tgz（复制打开）flower_ph... 代码已提交github，详情见（麻烦Star!）：https://github.com/Jasper0420/Deep-Learning-Practice-AlexNet 1. 数据集介绍 花分类数据集 flower_data 下载：http://download.tensorflow.org/example_images/flower_photos.tgz（复制打开）flower_ph...
- 迁移学习(Transfer Learning)的背景、历史及学习人工智能培训网chinaai.org迁移学习的背景、历史及学习1、迁移学习提出背景 在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往... 迁移学习(Transfer Learning)的背景、历史及学习人工智能培训网chinaai.org迁移学习的背景、历史及学习1、迁移学习提出背景 在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往...
- 数据已经成为制约多种技术发展的瓶颈和关键要素，当前存在的数据问题例如数据获取难（数据本身少或者由于安全/隐私等问题客户无法提供）、多样性低等。数据生成希望对真实数据进行模拟以实现“以假乱真”，进而解决所面临的数据困境。 数据已经成为制约多种技术发展的瓶颈和关键要素，当前存在的数据问题例如数据获取难（数据本身少或者由于安全/隐私等问题客户无法提供）、多样性低等。数据生成希望对真实数据进行模拟以实现“以假乱真”，进而解决所面临的数据困境。
- 领域自适应（Domain Adaptation）是迁移学习（Transfer Learning）的一个子领域，在计算机视觉里面较为常见。Domain Adaptation的实现有很多种，在深度学习未火热之前，主要有基于样本（Instance-based）的迁移、基于特征（Feature-based）的迁移以及基于参数（Parameter-based）的迁移。其中基于特征的迁移包括子空间对齐（... 领域自适应（Domain Adaptation）是迁移学习（Transfer Learning）的一个子领域，在计算机视觉里面较为常见。Domain Adaptation的实现有很多种，在深度学习未火热之前，主要有基于样本（Instance-based）的迁移、基于特征（Feature-based）的迁移以及基于参数（Parameter-based）的迁移。其中基于特征的迁移包括子空间对齐（...
- 本文对ICML 2018杨强老师团队的一篇文章《Transfer Learning via Learning To Transfer》进行梳理总结。先回顾一下迁移学习的主要思想来源：人本身具有迁移知识的能力，比如羽毛球运动员可以更好更快地掌握网球的技巧，因此我们希望机器也具有这种迁移的能力，将以往训练模型学习到的知识在新的领域加以应用。那么这篇文章的出发点又是什么呢？比如我们现在需要在羽毛球... 本文对ICML 2018杨强老师团队的一篇文章《Transfer Learning via Learning To Transfer》进行梳理总结。先回顾一下迁移学习的主要思想来源：人本身具有迁移知识的能力，比如羽毛球运动员可以更好更快地掌握网球的技巧，因此我们希望机器也具有这种迁移的能力，将以往训练模型学习到的知识在新的领域加以应用。那么这篇文章的出发点又是什么呢？比如我们现在需要在羽毛球...
- 在迁移学习（Transfer Learning）任务里面，迁移算法能够利用在源域（Source Domain）学习到的知识辅助目标域（Target Domain）的模型的建立。在非深度迁移（Shallow Transfer Learning）领域，以基于样本的迁移（Instance-based）、基于特征的迁移（Feature-based）为主；在深度迁移（Deep Transfer Lea... 在迁移学习（Transfer Learning）任务里面，迁移算法能够利用在源域（Source Domain）学习到的知识辅助目标域（Target Domain）的模型的建立。在非深度迁移（Shallow Transfer Learning）领域，以基于样本的迁移（Instance-based）、基于特征的迁移（Feature-based）为主；在深度迁移（Deep Transfer Lea...
- 在人工智能发展中，迁移学习和联邦学习成为重要技术。迁移学习通过跨任务知识迁移，加速新任务学习，节省资源并解决数据稀缺问题；联邦学习则以分布式方式实现联合学习，保护数据隐私，促进多方合作。两者在提升模型性能、保障数据安全及推动AI创新方面发挥关键作用，为AI发展带来新机遇。 在人工智能发展中，迁移学习和联邦学习成为重要技术。迁移学习通过跨任务知识迁移，加速新任务学习，节省资源并解决数据稀缺问题；联邦学习则以分布式方式实现联合学习，保护数据隐私，促进多方合作。两者在提升模型性能、保障数据安全及推动AI创新方面发挥关键作用，为AI发展带来新机遇。
- 引言在深度学习领域，迁移学习（Transfer Learning）是一个非常强大且日益流行的概念，它通过将从一个任务中学到的知识应用于另一个任务，能够显著加快模型训练速度并提高其泛化能力。迁移学习在许多实际应用中都得到了广泛使用，特别是在数据不足或训练成本较高的场景下。本文将深入探讨迁移学习的基本概念、方法以及实际应用。 什么是迁移学习？迁移学习是一种通过转移已学知识来解决新问题的学习方法... 引言在深度学习领域，迁移学习（Transfer Learning）是一个非常强大且日益流行的概念，它通过将从一个任务中学到的知识应用于另一个任务，能够显著加快模型训练速度并提高其泛化能力。迁移学习在许多实际应用中都得到了广泛使用，特别是在数据不足或训练成本较高的场景下。本文将深入探讨迁移学习的基本概念、方法以及实际应用。 什么是迁移学习？迁移学习是一种通过转移已学知识来解决新问题的学习方法...
- 如何在MindSpore中使用预训练模型进行迁移学习当我们面临一个新的机器学习任务时，通常我们需要大量的数据和计算资源来从头开始训练一个深度神经网络模型。幸运的是，迁移学习可以帮助我们利用已经在大规模数据集上预训练的模型，在我们自己的任务上取得更好的性能。MindSpore提供了一种简单而灵活的方式来利用预训练模型进行迁移学习。在本篇博客中，我们将介绍在MindSpore中使用预训练模型进行... 如何在MindSpore中使用预训练模型进行迁移学习当我们面临一个新的机器学习任务时，通常我们需要大量的数据和计算资源来从头开始训练一个深度神经网络模型。幸运的是，迁移学习可以帮助我们利用已经在大规模数据集上预训练的模型，在我们自己的任务上取得更好的性能。MindSpore提供了一种简单而灵活的方式来利用预训练模型进行迁移学习。在本篇博客中，我们将介绍在MindSpore中使用预训练模型进行...
- NLP中的迁移学习与泛化能力：拓展智能模型的新前景 1. 引言随着自然语言处理（NLP）领域的不断发展，迁移学习和泛化能力逐渐成为研究的焦点。这两者在构建更智能、具有更广泛应用能力的NLP模型方面发挥着关键作用。本文将深入探讨NLP中迁移学习与泛化能力的概念、应用场景，并通过实例说明它们如何推动智能模型在不同任务和领域中取得更好的性能。 2. 迁移学习的概念迁移学习是一种机器学习方法，其目... NLP中的迁移学习与泛化能力：拓展智能模型的新前景 1. 引言随着自然语言处理（NLP）领域的不断发展，迁移学习和泛化能力逐渐成为研究的焦点。这两者在构建更智能、具有更广泛应用能力的NLP模型方面发挥着关键作用。本文将深入探讨NLP中迁移学习与泛化能力的概念、应用场景，并通过实例说明它们如何推动智能模型在不同任务和领域中取得更好的性能。 2. 迁移学习的概念迁移学习是一种机器学习方法，其目...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签