image-processing - 是否可以修改预训练卷积神经网络的层?
问题描述
评估预训练模型和从头开始训练模型有什么区别?
如果我想在预训练模型中添加一些层,这可能吗?我假设我将不得不再次训练它,但与从头开始相比,使用预训练模型是否会提供任何优势?
具体来说,我想用现有的 AlexNet pytorch 模型来做到这一点。
解决方案
当您说要使用预训练模型时,这意味着该模型已在特定数据集上进行了训练,并且您使用了该网络学习的权重。在这种情况下,您可以通过提供测试图像或直接评估模型否则用这个权重初始化你的网络并训练一些额外的层。预训练模型几乎总是比从头开始训练模型更好的选择,因为这些模型已经在大量图像上训练过(主要是在 imagenet 数据集上)有很好的模型学习的特征可能在不同的任务中有用的机会。
从头开始训练是使用您自己的数据集从随机权重进行训练。希望这有助于让我知道您是否有任何问题
推荐阅读
- java - 为什么 javax.persistence-api 在 spring data jpa starter 中被 jakarta.persistence-api 取代了?
- r - 如何在 R 中使用 for 迭代重现多个图(ggplot)?
- git - 如何处理不同环境的代码
- mysql - 找不到模块:无法使用 Next.js mysql Express React 解析“.../node_modules/destroy”中的“fs”
- c# - 服务结构无法在 Visual Studio 中看到容器模板
- android - 单例服务的初始化不能从 AppComponentFactory 访问?
- c# - 约束线上最近点
- java - 访问使用 getFragmentbyTag() 初始化的 Fragment 中的视图
- java - 如何使用 jqwik 生成排序后的数字数组
- google-cloud-platform - 创建新的 Dialogflow 代理时“无法设置 GCP 项目”