Memanfaatkan Model yang Sudah Dilatih
Melatih jaringan neural konvolusional untuk melakukan tugas klasifikasi gambar biasanya memerlukan jumlah data pelatihan yang sangat besar, dan dapat memakan waktu, hari, atau bahkan minggu. Namun, bagaimana jika Anda dapat memanfaatkan model gambar yang ada yang dilatih pada set data yang sangat besar, seperti melalui TensorFlow-Slim, dan menyesuaikannya untuk digunakan dalam tugas klasifikasi Anda sendiri?
Salah satu teknik umum untuk memanfaatkan model terlatih adalah ekstrak fitur: mengambil representasi perantara yang dihasilkan oleh model yang telah dilatih sebelumnya, lalu memasukkan representasi ini ke dalam model baru sebagai input. Misalnya, jika Anda melatih model klasifikasi gambar untuk membedakan berbagai jenis sayuran, Anda dapat memasukkan gambar pelatihan wortel, seledri, dan sebagainya ke dalam model terlatih, lalu mengekstrak fitur dari lapisan konvolusi terakhirnya. yang mengumpulkan semua informasi yang telah dipelajari model pada gambar ' atribut tingkat lebih tinggi, warna baru, bentuk, tekstur, potongan, bentuk Untuk meningkatkan performa saat menggunakan ekstraksi fitur dengan model terlatih, engineer sering kali menyesuaikan parameter bobot yang diterapkan pada fitur yang diekstrak.
Untuk eksplorasi ekstraksi fitur dan penyesuaian fitur yang lebih mendalam saat menggunakan model terlatih, lihat Latihan berikut.