迁移学习(Transfer Learning)是一种机器学习方法,是把一个领域(即源领域)的知识,迁移到另外一个领域(即目标领域),使得目标领域能够取得更好的学习效果。迁移学习(TL)是机器学习(ML)中的一个研究问题,着重于存储在解决一个问题时获得的知识并将其应用于另一个但相关的问题。例如,在学习识别汽车时获得的知识可以在尝试识别卡车时应用。尽管这两个领域之间的正式联系是有限的,但这一领域的研究与心理学文献关于学习转移的悠久历史有关。从实践的角度来看,为学习新任务而重用或转移先前学习的任务中的信息可能会显着提高强化学习代理的样本效率。
  1. 什么是迁移学习 (Transfer Learning) 这个领域历史发展前景如何
  2. pytorch-tutorials
  3. 23 人赞了 【医疗图像迁移学习】《Transfer Learning for...
  4. 整理开源了一些迁移学习资料、论文与代码
  5. pytorch-tutorials
  6. 迁移学习和半监督学习是同一个意思吗,有什么分别? - 知乎
  7. 迁移学习和多任务学习
  8. 【pytorch】迁移学习
  9. 迁移学习入门
  10. 1 人赞了 机器学习论文笔记--Distant Domain Transfer...
  11. 《小王爱迁移》系列之零:迁移学习领域著名学者和研究机构
  12. TensorFlow 教程 #08 - 迁移学习
  13. CS231n Convolutional Neural Networks for Visual...
  14. Kwot Sin | Transfer Learning in TensorFlow using...
  15. 迁移学习 Transfer Learning | transferlearning
  16. 126篇殿堂级深度学习论文分类整理 从入门到应用(上)
  17. Transfer learning and
  18. Transfer Learning – Yash Katariya – CS Grad @ NCSU
  19. 微软亚洲研究院新论文:按语义结构迁移图片视觉属性
  20. Deep Learning for NLP with Pytorch — PyTorch Tutorials...
展开全文
微信扫码咨询专知VIP会员