Descripción
El aprendizaje por transferencia se refiere a la reutilización de un modelo de aprendizaje de una máquina entrenada para un problema similar, manteniendo la arquitectura del modelo sin cambios, pero alterando potencialmente los pesos del modelo.
En este curso, Acelerar el Aprendizaje Profundo con el Aprendizaje de Transferencia: Libro de jugadas de PyTorch, obtendrás la habilidad de identificar el enfoque correcto para el aprendizaje de transferencia, e implementarlo usando PyTorch.
En primer lugar, aprenderá cómo las diferentes formas de aprendizaje de transferencia – como el aprendizaje de transferencia inductiva, transductiva y no supervisada – pueden aplicarse a diferentes combinaciones de dominios de origen y destino. A continuación, descubrirá cómo las soluciones de aprendizaje de transferencia aprovechan el hecho de que las capas inferiores de los modelos pre-entrenados suelen extraer información de características y son específicas de los datos, mientras que las capas posteriores tienden a ser más específicas de los problemas.
Finalmente, explorará cómo diseñar e implementar la estrategia correcta para congelar y afinar las capas apropiadas de su modelo pre-entrenado. Completarás el curso viendo cómo se ponen a disposición varias arquitecturas potentes, en forma pre-entrenada, en la suite de soluciones de aprendizaje de transferencia de PyTorch.
Cuando termines este curso, tendrás las habilidades y el conocimiento para elegir el enfoque de aprendizaje de transferencia correcto para tu problema específico, y diseñarlo e implementarlo usando PyTorch.