Hvad er Transfer Learning?
AI-teknik hvor en model trænet på en opgave genbruges som udgangspunkt for læring af relaterede opgaver.
Definition
Transfer Learning er en AI-teknik, hvor viden og træning fra en model på én opgave genbruges som udgangspunkt for at lære nye, relaterede opgaver hurtigere og mere effektivt.
Formål
Transfer Learning har til formål at udnytte eksisterende AI-viden til nye problemer, reducere træntid og krav til data ved at bygge på allerede lærte features og mønstre.
Funktion
Transfer Learning fungerer ved at tage en prætrænet model og fine-tune den på nye data eller opgaver, ofte ved kun at justere de øverste lag mens de grundlæggende features bevares.
Eksempel
En billedgenkendelsesmodel trænet på generelle billeder kan fine-tunes til medicinske røntgenbilleder ved at genbruge de grundlæggende visuelle features.
Relateret
Transfer Learning er relateret til fine-tuning, pre-trained models og domain adaptation.
Vil du vide mere?
Hvis du vil gå mere i dybden med Transfer Learning —eller bringe denne form for træning til dit team— så lad os tale sammen. Jeg hjælper teams med at forstå og anvende disse begreber. Jeg vil meget gerne høre fra dig!
Hvad er Few-Shot Learning?
Few-Shot Learning er en AI-teknik, hvor modeller lærer at udføre nye opgave...
Hvad er One-Shot Learning?
One-Shot Learning er en AI-teknik, hvor modeller lærer at udføre nye opgave...
Hvad er en Mini Model?
En Mini Model er en mindre, optimeret AI-model designet til specifikke opga...
Hvad er Zero-Shot Learning?
Zero-Shot Learning er en AI-teknik, hvor modeller kan udføre opgaver eller...
Hvad er en feedback-sløjfe i AI?
En Feedback-sløjfe i AI er en kontinuerlig proces, hvor systemets output og...