至少，用深度学习来构建软件不是
目录
在不那么遥远的过去，数据科学团队将需要一些东西来有效地使用深度学习：
一种新颖的模型架构，可能是在内部设计的
访问大型且可能专有的数据集
用于大规模模型训练的硬件或资金
这产生了限制深度学习的效果，将其限制在满足这些条件的少数项目中。深度学习，了解更多
但是，在过去的几年中，情况发生了变化。
此处，我们看到用户推出了基于深度学习的新一代产品，而且与以往不同的是，这些产品并非全都使用一种唯一的模型架构来构建。
增长的驱动力是转移学习。
什么是转移学习？
广义上讲，转移学习的思想是，可以将训练用于特定任务的模型中积累的知识（例如，识别照片中的花朵）转移到另一个模型中，以帮助对不同的相关任务进行预测，例如识别在某人的皮肤上的黑素瘤。
转移学习有多种方法，但其中一种方法（微调）正得到广泛采用。深度学习，了解更多
在这种方法中，团队采用预先训练的模型，并删除/重新训练模型的最后一层，以专注于新的相关任务。 例如，AI Dungeon是一款开放世界的文字冒险游戏，因其令人信服的AI产生的故事而引起轰动：
详情参阅http://viadean.com/deep_learn_not_hard.html
网友评论