Неделя 5: Поиск искр, чтобы разжечь огонь — Трансферное обучение.
Исследование, связанное с машинным обучением или глубоким обучением, часто связано с программированием и некоторой логикой, чтобы убедиться, что человек может точно отличить машину от человека. Чем сложнее программа, которую планируется создать, тем длиннее программный код, который нужно написать.
Технически метод, используемый в этом исследовании, называется трансферным обучением. Это метод исследования глубокого обучения, в котором уже созданная модель глубокого обучения применяется к новому набору данных, или Джейсон Браунли упомянул ее как
«…модель, разработанная для задачи, повторно используется в качестве отправной точки для модели для второй задачи».
В методе трансферного обучения мне не нужно писать свои собственные нейронные сети, чтобы начать обучение их набору данных. Это потому, что у меня уже есть готовая модель — InceptionV3 и MobileNet — обученная на тысячах наборов наборов данных ImageNet во время конкурса ImageNet Large Scale Visual Recognition Challenge в 2012 году (LSVRC 2012) и победившая. К счастью, эти модели уже находятся в открытом доступе, так что каждый может загрузить их и попробовать с нашим собственным набором данных.
Метод трансферного обучения будет использовать уже точно настроенную модель, которая также быстрее при обучении на наборе данных.
Любые готовые модели, доступные в Интернете, могут быть использованы в этой технике трансферного обучения, что делает продолжительность обучения более быстрой даже на дорогостоящем вычислительном устройстве, таком как ноутбук.
Это все для этого поста. В следующем обновлении я расскажу подробнее о том, откуда брать данные, и как я рассортирую все это по папкам вручную по утвержденной офтальмологом этикетке.