神经网络如何“移情别恋”

本课程将详细介绍迁移学习概念,并展示如何用PyTorch实现简单的迁移学习模型。(课时:120 分钟)

深度学习 PyTorch 迁移学习 风格迁移

讲师:   张江

课程资料

  • 讲稿下载:报名后可见

  • 课程代码包:报名后可见

课程背景

在去年的 NIPS 2016 讲座上,吴恩达表示:“在监督学习之后,迁移学习将引领下一波机器学习技术商业化浪潮。” 

什么是迁移学习?它就是一种将一个领域训练的机器学习模型应用到另一个领域中去的技术手段。在本课程中,我们将详细介绍迁移学习概念,以及如何用PyTorch实现简单的迁移学习。作为项目实例,我们将手把手地教你利用迁移学习来搭建一个“手写数字加法器”。我们还将教会你如何借用别人训练好的大型神经网络,实现你自己的计算机视觉。

课后作业:比较多种不同迁移学习方法

课程目的

学完本课程,你能做到

  • 了解什么是迁移学习,它的特点是什么

  • 了解如何通过迁移学习使用夜间光照数据预测地区贫困程度

  • 熟悉使用ResNet进行迁移学习识别蜜蜂与蚂蚁的案例

  • 掌握使用迁移学习完成手写数字加法器的方法

  • 了解图像风格转移的原理与实现方法

课程详情

本课程的内容包括:

  • 预测的困难:数据稀缺

  • 使用“夜光”数据预测地区贫困程度

  • 使用ResNet进行卷积神经网络的迁移学习

  • 迁移学习案例:手写数字加法器

  • 图像风格转移