שימוש במודלים שהוכשרו מראש
אימון רשת נוירונים מפותלים לביצוע משימות של סיווג תמונות מצריך בדרך כלל כמות גדולה של נתוני הדרכה, והתהליך יכול להימשך זמן רב. אבל מה יקרה אם תוכלו למנף מודלים קיימים של תמונות שהוכשרו במערכי נתונים עצומים, כמו TensorFlow-Slim, ולהתאים אותם למשימות הסיווג שלכם?
אחת מהשיטות הנפוצות למינוף מודלים שהוכשרו מראש היא חילוץ תכונות: אחזור ייצוגי ביניים שנוצרו על ידי המודל שהולמד מראש, ולאחר מכן הזנת הייצוגים האלה במודל חדש כקלט. לדוגמה, אם אתם מאמנים מודל של סיווג תמונות כדי להבחין בין סוגים שונים של ירקות, אתם יכולים להזין תמונות הדרכה של גזרים, סלרי וכו', למודל שהוכן מראש ואז לחלץ את התכונות משכבת ההמרה האחרונה. פעולה זו מתעדת את כל המידע שהמודל לומד על התמונות והעיצובים הכלליים, את הדחף המקורי, החלק המלא, כדי לשפר את הביצועים כשמשתמשים בחילוץ תכונות עם דגם שהוכן מראש, המהנדסים לעיתים קרובות משפרים את הפרמטרים של המשקל שחלים על התכונות שחולצו.
כדי לבצע ניתוח מעמיק יותר של חילוץ תכונות וכוונון מדויק בזמן השימוש במודלים שהוכשרו מראש, ראו את התרגיל הבא.