Mạng nơ-ron tích chập tinh chỉnh
Tinh chỉnh một CNN có nghĩa là bắt đầu với một mạng đã được huấn luyện trên một tập dữ liệu lớn — thường là ImageNet — và tiếp tục huấn luyện trên một tập dữ liệu đích nhỏ hơn để mô hình thích ứng các đặc trưng hình ảnh đã học cho một tác vụ mới. Cách tiếp cận này làm giảm đáng kể dữ liệu và tài nguyên tính toán cần thiết để đạt được hiệu suất cao so với việc huấn luyện từ đầu.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
+6 nữa
Nguồn tài liệu
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/vi/deep-learning/fine-tuned-convolutional-neural-network
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Mạng nơ-ron hồi quy tinh chỉnh (Fine-Tuned Recurrent Neural Network)Học sâu↔ so sánh
- Vision Transformer tinh chỉnhHọc sâu↔ so sánh
- Phân loại ảnhHọc sâu↔ so sánh
- Phát hiện đối tượngHọc sâu↔ so sánh
- Transfer Learning với Mạng Nơ-ron Tích chậpHọc sâu↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →