机器迁移学习的相关定义是什么

迁移学习是一种机器学习方法，即以任务A开发的模型为初始点，在任务B开发模型的过程中重复使用。迁移学习与多任务学习和概念迁移有关。它不是一个特殊的机器学习领域。以下就是为大家带来的机器迁移学习的相关定义是什么。

机器迁移学习的相关定义是什么

一，迁移学习在某些深度学习问题中是非常受欢迎的，例如在具有大量训练深度模型所需的资源或者具有大量的用来预训练模型的数据集的情况。仅在第一个任务中的深度模型特征是泛化特征的时候，迁移学习才会起作用。

二，深度学习中的这种迁移被称作归纳迁移。就是通过使用一个适用于不同但是相关的任务的模型，以一种有利的方式缩小可能模型的搜索范围。

三，选择的预训练模型可以作为用于第二个任务的模型的学习起点。这可能涉及到全部或者部分使用与训练模型，取决于所用的模型训练技术。

在计算机视觉任务和自然语言处理任务视觉任务和自然语言处理任务新模型的起点是一种常用的方法。通常，这些预训练模型在开发神经网络时消耗了大量的时间资源和计算资源。迁移学习可以将学到的强大技能转移到相关问题上。以上就是为大家带来的机器迁移学习的相关定义是什么。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。