迁移学习近年来在图形领域中得到了快速的发展，主要在于某些特定的领域不具备足够的数据，不能让深度模型学习的很好，需要从其它领域训练好的模型迁移过来，再使用该模型进行微调，使得该模型能很好地拟合少量数据的同时又具备...
在《如何用 Python 和 fast.ai 做图像深度迁移学习？》一文中，我为你详细介绍了迁移学习给图像分类带来的优势，包括：
【导读】两年前，吴恩达在 NIPS 2016 的 Tutorial 上曾说“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。”现实中不断有新场景的出现，迁移学习可以帮助我们更好地处理遇到的新场景。迁移学习到底有哪些...
Taskonomy通过量化不同视觉任务之间的关联、并利用这些关联最优化学习策略。（如果两视觉任务A,B之间具有关联性，那么我们在A中学习到的表达理应可以为解决任务B 提供有效的统计信息）...
10月17日，腾讯AI Lab在深圳宣布正式开源“Tencent ML-Images”项目，该项目由多标签图像数据集ML-Images，以及业内目前同类深度学习模型中精度最高的深度残差网络ResNet-101构成。...
上个月，腾讯AI实验室宣布开源多标签图像数据集ML-Images，以及业内目前同类深度学习模型中精度最高的深度残差网络ResNet-101.
被誉为神经计算和机器学习领域两大顶级会议之一的NIPS于近日揭晓收录论文名单，此次为第32届会议，将于 12 月 3 日至 8 日在加拿大蒙特利尔举办。
在深度学习领域，通过预训练模型作为检查点开始训练生成神经网络模型实现对新任务的支持，这种方法通常被称为迁移学习，它的好处是不用再重头开始设计与训练一个全新的网络，而是基于已经训练好的网络模型，在其基础上进行参数...
