随着深度学习的持续火热,计算机视觉以及自然语言处理等领域通过深度神经网络迎来了快速的发展。但是这些深度网络往往需要非常庞大的数据集以及大量的计算时间、计算资源去训练模型,才能达到一个很好的效果。实际中,我们处理的许多针对性的问题并没有这么多针对某一特定领域的数据,也没有那么多的计算资源去重新训练如此庞大规模数据集的模型。所以我们自然就想到该如何通过合理利用那些已经在大型数据集上训练好的模型去解决我们特定领域的问题。本文就是来介绍一种能够处理这样问题的深度学习方法——深度迁移学习。
科研之友
微信
新浪微博
Facebook
分享链接
