迁移学习不好懂？这里有一个PyTorch项目帮你理解

Posted 2021-05-02 新智元

---

  新智元报道   

来源：Medium

编辑：元子

【新智元导读】迁移学习是一个非常重要的机器学习技术，已被广泛应用于机器学习的许多应用中。本文的目标是让读者理解迁移学习的意义，了解转学习的重要性，并学会使用PyTorch进行实践。

前几天新智元介绍了，以及元奖励学习。元学习有一个非常重要的理念是在较少样本量的情况下，让机器能够自己学会学习。

这一点和迁移学习非常相似。吴恩达曾经说过"迁移学习将会是继监督学习之后的下一个机器学习商业成功的驱动力"。

相比而言，依赖大量数据进行训练的其他机器学习手段（例如昨天新智元报道的GPipe），对数据和算力的依赖有点过于严重。况且，数据和算力那么贵！

迁移学习的一大特色，就是“将一个任务环境中学到的东西用来提升在另一个任务环境中模型的泛化能力”。

没有GPU也没关系，可以使用谷歌的免费GPU服务，通过谷歌Colab来训练模型。

借TensorFlow 2.0发布之际，就让我们对比一下，通过PyTorch来更直观、更深入的了解迁移学习。

前期准备

本次旅程，我们将使用预先训练的网络，来构建用于疟疾检测的图像分类器，这个分类器只需要将得到的数据，分为“感染”“未感染”两类。

我们将要用到的图像数据集可以在这里下载