神经网络dense层 如何利用迁移学习解决机器学习模型中分类数量增加的问题？

如何利用迁移学习解决机器学习模型中分类数量增加的问题？

我们可以做的是将旧的机器学习模型集成到新的机器学习模型中（1）添加到新的机器学习模型中（2）。为了利用原始模型的最终状态，我们加载原始模型并将旧模型的权重固定为未经训练的权重，然后将新模型附加到旧模型的最后一个密集层。

这意味着我们指示模型不要反向传播原始模型的层，以便它们保持不变（不要与旧模型中学习的内容混淆），并且只在新模型上进行训练。

转移学习策略2：

我们可以尝试执行转移学习的另一种方法是直接将旧模型层添加到新序列模型中。

值得注意的是，您不必在整个模型训练期间确定体重。研究表明，如果在批之间交替训练，可以更好地利用旧模型并获得更好的性能

在可训练批和未训练批之间开发定制回调。

神经网络dense层 dense层的作用 html是什么意思

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。