Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- HelloWorld
- python
- tensorflow
- NumPy
- 선형대수
- C
- hive
- 하둡2
- collections
- recursion
- 텐서플로
- 하이브
- 주식분석
- 파이썬
- GRU
- graph
- 그래프이론
- scrapy
- 알고리즘
- effective python
- 딥러닝
- C언어
- RNN
- hadoop2
- yarn
- codingthematrix
- 코딩더매트릭스
- LSTM
- Sort
- Java
Archives
- Today
- Total
목록restore (1)
EXCELSIOR
학습된 모델 재사용하기 - Transfer Learning
학습된 모델 재사용하기 - Transfer Learning1. Transfer Learning 이란?규모가 매우 큰 DNN 모델을 학습 시킬 때 처음부터 새로 학습 시키는 것은 학습 속도가 느린 문제가 있다. 이러한 경우 기존에 학습된 비슷한 DNN모델이 있을 때 이 모델의 하위층(lower layer)을 가져와 재사용하는 것이 학습 속도를 빠르게 할 수 있을 뿐만아니라 학습에 필요한 Training set도 훨씬 적다.예를 들어, 아래의 그림처럼 CIFAR10 데이터셋을 분류(비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배, 트럭의 10개 클래스)하는 모델 A가 이 있다고 하자. 그런 다음, 분류된 CIFAR10 이미지에서 자동차의 종류를 분류하는 모델인 B를 학습시킨다고 할 때, 학습된..
DeepLearning/Learning TensorFlow
2018. 10. 12. 00:07