初级
提供者 : Josh Turner
4 课时 · 20m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 简体中文
课程描述
迁移学习是机器学习中的一项强大技术，涉及使用预训练模型来提高您自己模型的性能。在这些课程中，您将了解迁移学习的不同好处以及如何使用预训练模型来提高机器学习项目的性能。
您将从探索与迁移学习相关的不同的True/False语句开始，例如需要为预训练模型重塑数据，以及在两类分类问题中使用二元交叉熵的重要性。您还将了解迁移学习中使用的流行图像模型，例如MobileNetV2，以及在哪里下载预训练的TensorFlow模型。
接下来，您将发现迁移学习中涉及的不同预处理步骤，例如重塑数据和标准化数据。您还将探索批处理的好处，例如加快模型速度并使大型数据集更易于处理。
您将学习如何使用验证数据集和混淆矩阵等工具来微调模型并提高其性能。此外，您还将探索迁移学习中涉及的不同参数，例如训练的纪元数和权重的冻结。
您将学到的内容
- 理解迁移学习的概念及其在机器学习中的优势
- 使用 MobileNetV2 等预训练 TensorFlow 模型改进机器学习项目
- 通过重塑和归一化数据，为预训练模型预处理数据
- 构建、编译并训练迁移学习模型
- 使用验证数据集和混淆矩阵对模型进行微调
- 在示例上测试并验证模型的拟合效果
关键要点
- 迁移学习利用预训练模型提升自有机器学习模型的性能。
- MobileNetV2 是迁移学习中常用的图像模型，预训练 TensorFlow 模型可下载使用。
- 迁移学习的预处理包括重塑数据和归一化数据，使其与预训练模型兼容。
- 批处理可加快模型速度，并使大型数据集更易于处理。
- 迁移学习中的参数包括训练的轮数（epochs）以及权重冻结。
常见问题
本课程将学到什么？
您将学习迁移学习的概念及其优势、如何使用 MobileNetV2 等预训练模型改进机器学习项目、如何通过重塑和归一化数据进行预处理，以及如何使用验证数据集和混淆矩阵对模型进行微调。
本课程涵盖哪些技能？
课程涵盖深度学习、机器学习模型训练、监督学习、TensorFlow、训练数据集和迁移学习。
课时涵盖哪些主题？
课时涵盖构建迁移学习模型、编译和训练模型、在示例上测试模型以及验证模型拟合效果。
本课程教授迁移学习的哪些预处理步骤？
课程讲授重塑数据和归一化数据等预处理步骤，并解释批处理的优势，包括加快模型速度和使大型数据集更易于处理。
本课程讨论哪些模型参数？
课程探讨迁移学习中涉及的参数，如训练的轮数（epochs）以及权重冻结。
