Tensorflow 2.x(keras)源码详解之第十五章：迁移学习与微调
1. 迁移学习与微调2. 了解 `trainable` 特性3. keras实现典型的迁移学习工作流4. 微调5. 使用自定义训练循环进行迁移学习和微调6. 一个端到端的实例：基于 Dogs vs. Cats 数据集微调图像分类模型
深度对抗神经网络(DANN)笔记
一 总体介绍DANN是一种迁移学习方法，是对抗迁移学习方法的代表方法。基本结构由特征提取层f,分类器部分c和对抗部分d组成，其中f和c其实就是一个标准的分类模型，通过GAN（生成对抗网络）得到迁移对抗模型的灵感。但此时生成的不是假样本，而是假特征，一个足以让目标域和源域区分不开的假特征。而领域判别器
TensorFlow笔记_采用迁移学习的方法搭建MobileNetV2网络实现自建数据集的图像分类任务
自定义数据集完成图像分类任务：拍摄数据集，采用TFRecord创建和保存数据，采用迁移学习的方式搭建MobileNetV2网络，将模型转换为tflite，并加载tflite实现推理
计算机视觉系列（二）——迁移学习
目录一、迁移学习与微调二、如何寻找预训练的模型？三、初始化模型四、将 ResNet 迁移到 CIFAR-10 上一、迁移学习与微调ImageNet 数据集大约有 120w 个样本，类别数为 1000；MNIST 数据集只有 6w 个样本，类别数为 10。然而，我们平常接触到的数据集的规模通常在这两者
OpenCV实践小项目(三) - 停车场车位实时检测
1. 写在前面今天整理OpenCV入门的第三个实战小项目，前面的两篇文章整理了信用卡数字识别以及文档OCR扫描， 大部分用到的是OpenCV里面的基础图像预处理技术，比如轮廓检测，边缘检测，形态学操作，透视变换等， 而这篇文章的项目呢，不仅需要一些基础的图像预处理，还需要搭建模型进行识别和预测，所以
11.1 迁移学习【李沐-斯坦福21秋季：实用机器学习中文版】
【李沐-斯坦福21秋季：实用机器学习中文版】笔记系列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外一个地方被使用到； 所以例如，也许你已经训练好一个神经网络，能够识
机器学习(十一) 迁移学习
目录前言1 原理前言 迁移学习在计算机视觉任务和自然语言处理任务中经常使用，这些模型往往需要大数据、复杂的网络结构。如果使用迁移学习，可将预训练的模型作为新模型的起点，这些预训练的模型在开发神经网络的时候已经在大数据集上训练好、模型设计也比较好，这样的模型通用性也比较好。如果要解决的问题与这些模型
- 1
- 2
