迁移学习
-
迁移学习–网络模型的保存和读取
对于深度学习使用pytorch框架中有时候需要涉及到模型保存和读取,保存方式一般有两种方法,第一种是保存网络模型的模型结构+模型参数(占的内存比方式2大一点点),第…
-
时间序列学习(4)——【正弦函数预测,RNN,代码+详解】非常清楚,强烈推荐
1 问题描述 给定50个正弦函数的数据对(x, y), 划分0~48(前49个)是训练数据集, (1~50)是预测数据集。 2 数据处理部分 num_time_steps = 50…
-
学习笔记:One-Shot Adaptation of GAN in Just One CLIP 基于CLIP的GAN单样本自适应
1. 背景 生成对抗网络通过语义丰富的潜在空间捕获和建模图像分布的能力已经改变了无数领域。但是这些模型的范围通常仅限于可以收集大量图像的领域,这一要求严重限制了它们的适用性。 近年…
-
转移学习——基于凯斯西储大学和西安交通大学轴承数据集的模型转移轴承故障分类
本文采用模型迁移的方法,先用凯斯西储大学的断层承载数据集训练模型,然后冻结模型底层卷积层(前三个卷积层)的参数,然后少量使用来自西交大学的轴承故障数据对模型的顶层进行微调,最后利用…
-
机器视觉基于卷积神经网络之VGG迁移学习(附源码可直接运行)
机器视觉基于卷积神经网络之VGG迁移学习 源码在文末,可直接运行 迁移学习 迁移学习:利用数据、任务和模型之间的了解,将旧领域中学习或训练的模型应用到新领域的过程。 注意:这两个任…
-
Adaptive Adversarial Network for Source-free Domain Adaptation:用于无源域自适应的自适应对抗网络
Accepted by International Conference on Computer Vision(ICCV 2021),发文高校和企业为美国杜兰大学、美国Adobe系…
-
Pytorch神经网络实战学习笔记_37 【实战】最大化深度互信信息模型DIM实现搜索最相关与最不相关的图片
图片搜索器分为图片的特征提取和匹配两部分,其中图片的特征提取是关键。将使用一种基于无监督模型的提取特征的方法实现特征提取,即最大化深度互信息(DeepInfoMax,DIM)方法。…
-
【时间序列趋势预测】以前的知识总结
1.降维方法 机器学习中会用到降维方法,常用的降维方法有两种:PCA(主成分分析)和SVD(奇异值分解) SVD奇异值分解作为一个很基本的算法,在很多机器学习算法中都有它的身影。S…
-
迁移学习 – 李沐
1、什么是迁移学习 可以在一项任务上学习模型,然后用于解决其他相关任务。迁移学习的方法a.做好一个模型将其做成一个特征提取的模块 Word2Vec-在文本上做训练一个单层神经网络,…
-
11.1 迁移学习【李沐-斯坦福21秋季:实用机器学习中文版】
11.1 迁移学习 1. 迁移学习是什么? 迁移学习就是能在一个任务上学习一个模型,然后用其来解决相关的别的任务,这样我们在一个地方花的时间,学习的一些知识,研究的一些看法可以在另…