Co je Transfer Learning?
Technika, kde se znalosti z předtrénovaného modelu přenášejí na související úkoly nebo domény.
Definice
Transfer Learning je technika strojového učení, kde se znalosti, rysy nebo parametry naučené modelem při jednom úkolu přenášejí na nový, související úkol nebo doménu.
Účel
Transfer Learning umožňuje efektivnější trénování nových modelů znovupoužitím již naučených znalostí, čímž snižuje dobu tréninku, výpočetní zdroje a množství potřebných dat.
Funkce
Transfer Learning funguje převzetím nižších vrstev předtrénovaného modelu, které se naučily obecné rysy, a přizpůsobením nebo novým trénováním vyšších vrstev pro specifický nový úkol.
Příklad
Model rozpoznávání obrazu předtrénovaný na ImageNet může být přizpůsoben pro lékařskou analýzu obrazu, využívající již naučené schopnosti rozpoznávání hran a vzorů.
Související
Transfer Learning úzce souvisí s Fine-Tuning, Pre-training, Domain Adaptation a různými architekturami hlubokého učení.
Vil du lære mer?
Hvis du ønsker å gå dypere inn i Transfer Learning —eller bringe denne typen opplæring til teamet ditt— la oss snakke sammen. Jeg hjelper team med å forstå og anvende disse begrepene. Jeg vil veldig gjerne høre fra deg!
Co je Fine-Tuning?
Fine-Tuning je proces přizpůsobení předtrénovaného AI modelu pro specifický...
Co je Zero-Shot Learning?
Zero-Shot Learning je schopnost AI modelu vykonávat nové úkoly nebo klasifi...
Co je Reinforcement Learning (RL)?
Reinforcement Learning (RL) neboli Posilované učení je typ strojového učení...
Co je Multi-Agent Architecture?
Multi-Agent Architecture neboli Multi-agentní architektura je systém složen...
Co je Observability v AI?
Observability neboli Pozorovatelnost je schopnost monitorovat, měřit a poch...