Transfer learning
Overførsel af viden fra en allerede trænet model til en ny, relateret opgave for at forbedre indlæringseffektivitet og præstation.
Kort fortalt
I stedet for at træne en model fra bunden, genbruger du en model, der allerede har lært noget, og tilpasser den til en ny opgave.
- Kategori
- teknik
- Niveau
- øvet
- Udtale
- /trænsfər ˈlɜːrnɪŋ/
Betydninger
1- 1
Teknik inden for maskinlæring hvor en model trænet på én opgave genbruges som udgangspunkt for en anden opgave.
- Ved transfer learning kan man genbruge en billedgenkendelsesmodel til en ny opgave med få træningseksempler.
- Transfer learning er særlig nyttig når der er få mærkede data til målopgaven.
Hvornår bruges det
Transfer learning anvendes typisk inden for deep learning, hvor store fortrænede modeller (som BERT eller ResNet) finjusteres på en specifik opgave med begrænsede data. Det sparer tid og ressourcer.
Oprindelse
Begrebet opstod i maskinlæringsforskningen i 1990'erne og beskriver overførsel af indlært viden mellem opgaver.
Kilder
1- A Survey on Transfer Learning (Pan & Yang, 2010)