Многие модели TensorFlow включают в себя натренированные веса и примеры того, как вы можете применить их в своих проектах используя “перенос знаний”.
Transfer learning не имеет пока общепринятого перевода на русский язык и в разных статьях можно встретить совсем разные варианты.
По смыслу же этот термин обозначает задачу сохранения знаний, полученных в ходе решения одной проблемы, причем чаще всего имея большое количество данных для обучения, и применению сохраненных знаний для решения другой похожей задачи. Такой подход очень часто применяется, когда невозможно найти достаточное количество данных для обучения машины с нуля.
Самый простой способ реализации переноса знаний - это замена последнего слоя натренированной модели, который в задачах классификации содержит столько нейронов сколько классов объектов необходимо различать. После замены нет нужды переобучать всю модель, в вашем распоряжении вся мощь сотен часов чужого труда, приводящая данные до нужного уровня абстракции. Зафиксируйте все веса всех слоев кроме последнего и начинайте обучение на своем скромном объеме данных.
Нужно понимать, что, взяв предобученную модель для распознавания заболеваний глаза, вы не сможете классифицировать текст по эмоциональным составляющим.
Что вы легко сможете, так это, например, реализовать детектор домашних животных взяв небольшой набор фотографий кошечек и собачек и The Object Detection API, о котором мы писали ранее и который является библиотекой распознавания объектов широкого профиля. Если вам больше нравятся енотики, то вот вам соответствующее руководство, наслаждайтесь.
#mightytensorflow