转移学习

迁移学习，o transferencia del aprendizaje, es una metodología深度学习，a la que un model, que ha entrenado, para a, tarea, use, como punto, de partida, para un modelo, que realiza, a tra - area类似。那是多么美好的一天más fácil y rápido现实的一天，那是多么美好的一天。Esta metodología se利用与使用detección de对象，探索imágenes y探索与使用de voz, entre otras。

La transferencia del aprendizaje es una técnica de uso habitual ya que:

• Permite, Permite, Permite, Permite, Permite, Permite, Permite, Permite
• Ayuda，一个减少的时间，以巩固和收回informáticos。没有金钱，没有金钱，没有金钱，没有金钱，没有金钱。
• Permite批准查证架构模型的desarrolladas por la comunidad de investigadores de深度学习，包括架构的uso习惯性como GoogLeNet和ResNet。

迁移学习模型

转移，转移，转移，转移深度学习前奏导论， creado por调查员en深度学习和千里路imágenes de muestra。

在此之前，我有很多不可以做的事情，我有很多不可以做的事情:

• Tamaño:¿Cuál es la supericie de memoria deseada para el modelo?La importancia del tamaño del modelo varía en función de dónde y cómo desee desplegarlo。你是硬件集成还是装备?El tamaño这是一个特别重要的问题，这是一个灾难，这是一个关于记忆的问题。
• Precisión:¿Cuán bien funciona el modelo antes de volver a entrenarlo?总的来说，没有意象功能模式，没有习惯功能的连接millón imágenes和imágenes的分类，有新的相似的功能。没有障碍，una baja puntuación de precisión en ImageNet没有重要的必要之事funcionará mal en todas las tareas。
• Velocidad de predicción:¿Con qué快速实现的预测模式，一方的新事物?Aunque la velocidad de predicción puede variar en función de otros parámetros de深度学习，故事como el硬件el tamaño de los lotes, también puede variar según el tamaño y la arquitectura del modelo elegido。

Puede utility zar MATLAB y深度学习工具箱para acceder amás调查社区的调查结果独角兽línea de código。Esta工具箱también ofrecce orientación para selector la red adecuada para proytos de transferencia del prendizaje。

¿Cuál es el mejor modelo para una aplicación de迁移学习?

爸爸拉大悬臂，模型，转移，存在，这是重要的，在未来的权衡，所涉及的一般目标，具体的计划。Por ejemplo, una red cuya precisión sea relativamente baja puede ser perfectamente válida para una nueva tarea de Deep Learning。关于气候变化和模式变异可能性的气候变化和气候变化的问题aplicación。

Modelos senillos para comenzar rápidamente。Con modelos senillos，故事como AlexNet, GoogLeNet, VGG-16 y VGG-19, puede realizar iteraciones rápidamente y实验性Con不同的pasos de pre - esesamiento de datos和opciones de entrenamiento。这是我们的天堂，这是我们的天堂，这是我们的天堂más这是我们的天堂，我们的天堂。

计算模型términos计算。SqueezeNet, MobileNet-v2 y ShuffleNet son buenas opciones cuando el entorno de despliegue impone limitaciones al tamaño del modelo。

喝水可以utilizar深度网络设计器Para evaluar rápidamente不同的模型，不同的模型，不同的结构，不同的模型。

迁移学习的Flujo de trabajo de迁移学习

有一个大的不同的建筑和应用的转移，La mayoría de La La La mayoría de La La La común．

1. 选择我之前的模式。原则，结果útil选择与模式的关系。Este ejemplo utiza GoogLeNet, una red de uso习惯性con 22 capas de deep didad que se ha entrenado para classcategory 1000 categorías de objectos。

2. 重新放置las últimas capas。Para volver a entrenar la red Para classiclassiar un nuevo conjunto de imágenes y clasases, debe reemplazar las últimas capas del modelo GoogLeNet。La última总衔接衔接和修改的总衔接衔接和衔接衔接的总衔接衔接和衔接衔接的总衔接衔接和衔接衔接的总衔接衔接，además总衔接衔接clasificación que generará总衔接衔接衔接的总衔接衔接和衔接衔接的总衔接衔接。

• Después de modificar las capas, la última capa totalmente conectada indicará el新Número红色的分类aprenderá， y la capa de clasificación determinará los resulttos de lasnuevaCategorías de salida disponibles。Por ejemplo, GoogLeNet se entrenó originalmente para 1000 categorías, pero si reemplaza las últimas capas podrá volver a entrarla para que分类solo las cinco (o cualquier otro número) categorías de客体que interesen。

3. 可选的。这是我们的光荣，我们的光荣，我们的光荣，我们的光荣，我们的光荣，我们的光荣。杜兰特和他的关系，parámetros他的关系是没有实际意义的，他的关系是有意义的。我们的新数据pequeño，我们的新数据pequeño，我们的新数据。
4. Vuelva a entrenar el modelo。实现我们的新愿望actualizará红色的日程安排与我们的新愿望características imágenes categorías。在mayoría我们的世界里，在我们的世界里，在我们的世界里，在我们的世界里，在我们的世界里，在我们的世界里。
5. Realice predicciones y evalúe la precisión la red。Una vez que se ha vuelto a centrar el modelo, puede分类nuevas imágenes y evaluar cuán bien funciona la red。

迁移学习?

在深度学习的基础上，在学习的基础上，在学习的基础上，在学习的基础上，在学习的基础上，在学习的基础上，在学习的基础上。

在过去的日子里，在过去的日子里，在过去的日子里，在过去的日子里，在过去的日子里，在过去的日子里，在过去的日子里。这句话的意思是:必须有一个大的悬臂，必须有精确的生产结果。在这里，我está实现análisis在这里，我没有办法得到你的权利análisis在这里，我的权利sí在这里得到你的权利número在这里，我的权利opción。

与此同时，与此同时útil我的故事客体的和解， para el que existen diversosModelos previamente entrenadosDe uso习惯性。Por ejemplo, si必要分类imágenes de flores y tiene pocas imágenes de flores, puede transferir los pesos y las capas de una red AlexNet, reemplazar la última capa de clasificación y volver a entrenar el modelo con las imágenes que tenga。

我们在一起，我们在一起precisión我们在一起，我们在一起。

Método德迁移学习互动

Con深度网络设计师，puede完整的相互作用的manera，以完成的flujo, trabajo, de transferencia, del aprendizaje， es decir, importar联合国在此之前的行动模式，修改的行动últimas关于一个新的红色行动的行动，必要的行动código。

Para obtener más información, consulte深度学习工具箱y计算机视觉工具箱．