ansys學習難不難的案例
“深度學習一點也不難！”
“深度學習一點也不難！”
通常情況下，機器學習尤其是深度學習的使用往往需要具備相當?shù)挠欣麠l件，包括一個大型的數(shù)據(jù)集，設計有效的模型，而且還需要訓練的方法——但現(xiàn)在，利用遷移學習就可以消除掉這些瓶頸。
作者 | Caleb Kaiser
以下為譯文：
在不久之前，為了有效地使用深度學習，數(shù)據(jù)科學團隊需要：
· 一種新穎的模型架構，很可能需要自己設計；
· 大型數(shù)據(jù)集，很可能需要自己收集；
· 大規(guī)模訓練模型的硬件或資金。
這些條件和設施成為了限制深度學習的瓶頸，只有少數(shù)滿足這些條件項目才能應用深度學習。
然而，在過去的幾年中，情況發(fā)生了變化。
我們看到用戶開始試用基于深度學習的新一代產(chǎn)品，而且與以往不同的是，這些產(chǎn)品使用的是以前沒有出現(xiàn)過的任何一種模型架構。
這種增長背后的驅動力是遷移學習（transfer learning）。
什么是遷移學習？
從廣義上講，遷移學習的思想是專注于存儲已有問題的解決模型（例如識別照片中的花朵），并將其利用在其他不同但相關問題上（例如識別皮膚中的黑素瘤）。
遷移學習有多種方法，但其中一種方法——微調(diào)法（finetuning）得到了廣泛采用。
在這種方法中，團隊采用預先訓練好的模型，然后通過刪除或重新訓練模型的最后一層，將其用于新的相關任務。例如，AI Dungeon是一款開放世界的文字冒險游戲，因其AI生成的生動形象的故事而廣為傳播：
注意，AI Dungeon不是Google研究實驗室開發(fā)的項目，只是一名工程師構建的黑客馬拉松項目。
AI Dungeon的創(chuàng)建者Nick Walton并沒有從零開始設計模型，而是采用了最新的NLP模型（OpenAI GPT-2），然后對其進行微調(diào)來設置自己的冒險文字。
展開 