使用说明在zip压缩包 README 文件中,请仔细阅读。 迁移学习是根据新数据快速重新训练模型的有效方法,而无需重新训练整个网络。在转移学习中,部分初始权重被冻结在原位,其余权重用于计算损失,并由优化器进行更新。这比普通训练所需的资源更少,训练时间也更短,但也可能导致最终训练精度的降低。 本次使用迁移训练的目的就是在尽可能减少后续模型训练精度影响的情况下确保数据集特征的一致性
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~