En pocas palabras, un modelo preentrenado es un modelo creado por otra persona para resolver un problema similar En lugar de construir un modelo desde cero para resolver un problema similar, usted use el modelo entrenado en otro problema como punto de partida. Por ejemplo, si desea construir un automóvil de autoaprendizaje.
¿Por qué es beneficioso usar los modelos previamente entrenados para las CNN?
Por lo general, las CNN preentrenadas tienen filtros efectivos para extraer información de las imágenes porque están entrenadas con un conjunto de datos bien distribuido y tienen una buena arquitectura. Básicamente, los filtros en las capas convolucionales están debidamente entrenados para extraer las características de las imágenes.
¿Qué se entiende por modelo preentrenado?
Definición. Un modelo que ha aprendido de forma independiente relaciones predictivas a partir de datos de entrenamiento, a menudo usando aprendizaje automático.
¿Por qué se deben ajustar los modelos preentrenados?
La tarea de ajustar una red es modificar los parámetros de una red ya entrenada para que se adapte a la nueva tarea en cuestión Como se explica aquí, las capas iniciales aprende características muy generales y, a medida que avanzamos en la red, las capas tienden a aprender patrones más específicos para la tarea en la que se está entrenando.
¿Qué es un conjunto de datos preentrenado?
Un modelo preentrenado es una red guardada que se entrenó previamente en un gran conjunto de datos, generalmente en una tarea de clasificación de imágenes a gran escala. Puede usar el modelo preentrenado tal como está o usar el aprendizaje de transferencia para personalizar este modelo para una tarea determinada.
