让深度学习不再困难……

深度学习，将其局限于满足这些条件的少数项目。

然而，在过去几年里，情况发生了变化。

在Cortex，用户推出了基于深度学习的新一代产品，与以前不同的是，这些产品并非都是使用独一无二的模型架构构建的。

这种进步的背后驱动力是迁移学习。

什么是迁移学习?

广义上讲，迁移学习是指在为特定任务训练的模型中积累知识，例如，识别照片中的花可以转移到另一个模型中，以助于对不同的相关任务(如识别某人皮肤上的黑色素瘤)进行预测。

注：如果想深入研究迁移学习，塞巴斯蒂安·鲁德(Sebastian Ruder)已经写了一本很棒的入门书。

迁移学习有多种方法，但有一种方法被广泛采用，那就是微调。

在这种方法中，团队得到一个预训练的模型，并移除/重新训练模型的最后一层，以专注于一个新的、相关的任务。例如，AI Dungeon是一款开放世界的文本冒险游戏，因其人工智能生成的故事极具说服力，而迅速风靡：


 

型中表现出色。

通过这个过程，一个工程师可以在几天内将一个模型部署到一个新的领域中，从而获得比较新的结果。

为什么迁移学习是下一代机器学习驱动型软件的关键

在前面，笔者提到机器学习和深度学习所需要的有利条件，特别是要有效地使用这些条件。你需要访问一个大的、干净的数据集，需要设计一个有效的模型，需要方法进行训练。

这意味着在默认情况下，在某些领域或没有某些资源的项目是不可行的。

现在，通过迁移学习，这些瓶颈正在消除：

一、小数据集不再是决定性因素

深度学习通常需要大量的标记数据，在许多领域中，这些数据根本不存在。迁移学习可以解决这个问题。

例如，哈佛医学院下属的一个研究小组最近部署了一个模型，该模型可以“根据胸片预测长期死亡率，包括非癌症死亡”。

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!