Transfer-Lern-Strategien (Feature-Extraktion)
Diese Transfer-Lern-Strategie nutzt ein vortrainiertes Modell als festen Feature-Extraktor. Dabei werden die tiefen Schichten des Modells eingefroren und nur die letzten, aufgabenspezifischen Schichten neu trainiert.
Kategorie: Training, Daten & Fine-Tuning
Im Gegensatz zum vollständigen Fine-Tuning, bei dem alle oder viele Schichten des vortrainierten Modells angepasst werden, wird bei der Feature-Extraktion angenommen, dass die gelernten Repräsentationen der tieferen Schichten (z.B. Kanten- und Texturdetektoren bei Bildern) bereits universell genug sind. Nur die obersten Schichten, die für die Klassifikation oder Regression zuständig sind, werden an die neue Aufgabe angepasst.
Synonyme / Tags
- Feature Extraction Transfer Learning
- Pre-trained Feature Extractor
Die ganze Definition im Member Hub braucht ein kostenloses Konto.