未验证 提交 2ec7a71e 编写于 作者: Z Zeyu Chen 提交者: GitHub

Update transfer_learning_turtorial.md

更新Tutorial
上级 5e7be5e0
# Transfer Learning # Transfer Learning
## 简述 ## 简述
Transfer Learning是属于机器学习的一个子研究领域,该研究领域的目标在于利用数据、任务、或模型之间的相似性,将在旧领域学习过的知识,迁移应用于新领域中 Transfer Learning是属于机器学习的一个子研究领域,该研究领域的目标在于利用数据、任务、或模型之间的相似性,将在旧领域学习过的知识,迁移应用于新领域中
...@@ -17,7 +18,10 @@ https://papers.nips.cc/paper/5347-how-transferable-are-features-in-deep-neural-n ...@@ -17,7 +18,10 @@ https://papers.nips.cc/paper/5347-how-transferable-are-features-in-deep-neural-n
http://ftp.cs.wisc.edu/machine-learning/shavlik-group/torrey.handbook09.pdf http://ftp.cs.wisc.edu/machine-learning/shavlik-group/torrey.handbook09.pdf
## PaddleHub中的迁移学习 ## PaddleHub中的迁移学习
## CV教程 PaddleHub 提供了基于PaddlePaddle框架的高阶Finetune API, 对常见的预训练模型迁移学习任务进行了抽象,帮助用户使用最少的代码快速完成迁移学习。
教程会包含CV领域的图像分类迁移,和NLP文本分类迁移两种任务。
### CV教程
以猫狗分类为例子,我们可以快速的使用一个通过ImageNet训练过的ResNet进行finetune 以猫狗分类为例子,我们可以快速的使用一个通过ImageNet训练过的ResNet进行finetune
```python ```python
import paddlehub as hub import paddlehub as hub
...@@ -45,8 +49,8 @@ def train(): ...@@ -45,8 +49,8 @@ def train():
feed_list = [img.name, label.name] feed_list = [img.name, label.name]
# 构造多分类模型 # 构造多分类模型任务
task = hub.append_mlp_classifier( task = hub.create_img_classfiication_task(
feature=feature_map, label=label, num_classes=dataset.num_labels) feature=feature_map, label=label, num_classes=dataset.num_labels)
# finetune # finetune
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册