Depende de su propósito. Muy pocas personas hacen un entrenamiento de extremo a extremo de una CNN. Dado que requiere una gran cantidad de datos de entrenamiento. Lo que hacemos durante el entrenamiento de una CNN es ese aprendizaje de transferencia.
El aprendizaje de transferencia de una CNN se puede hacer de dos maneras, una es tomar una CNN estándar (ALEX NET, LE-NET) y usarla como un extractor de características simplemente quitando la última capa softmax , y otro método es que puede también ajuste los pesos de toda la CNN preentrenada .
Pero tenga en cuenta que he agregado que puede ajustar los pesos de cada capa de una red preentrenada porque entrenar un CNN por inicialización aleatoria es demasiado complejo y requiere muchos datos de entrenamiento (como imagenet).
- Como el sistema de recomendación está relacionado con el aprendizaje automático, ¿cuál será la próxima moda en los sistemas de recomendación?
- ¿Se puede desarrollar un bot de chat usando Tensorflow? En caso afirmativo, ¿cómo empiezo a codificar en el mismo?
- ¿Por qué la disminución de la tasa de aprendizaje también aumenta la tasa de sobreajuste en una red neuronal?
- ¿Cuáles son algunas aplicaciones interesantes de salud personalizada?
- ¿El desarrollo teórico en el aprendizaje automático está llegando a un punto muerto (significa que no habrá necesidad de continuar)?
Este es el mejor recurso para el aprendizaje por transferencia de una red neuronal convolucional CNN.CS231n para reconocimiento visual.