Ứng dụng thực tế nào phù hợp với Transfer Learning?

Huấn luyện lại toàn bộ mô hình

Chỉ huấn luyện một số lớp của mô hình trên dữ liệu mới

Loại bỏ các lớp không cần thiết

Tăng số lượng lớp ẩn

Huấn luyện mô hình từ đầu trên dữ liệu mới

Sử dụng mô hình đã được huấn luyện trước trên một tác vụ khác

Tạo mô hình mới từ nhiều mô hình khác

Tăng cường dữ liệu đầu vào

Tạo dữ liệu tổng hợp

Huấn luyện trước mô hình

Kiểm tra hiệu suất mô hình

Giảm kích thước hình ảnh

RNN hoặc LSTM

K-means clustering

Decision Tree

SVM

Phân loại đối tượng

Tạo vùng đề xuất trực tiếp từ bản đồ đặc trưng

Tăng cường dữ liệu hình ảnh

Tính toán hàm mất mát

Cross-entropy loss

Mean squared error

Hinge loss

KL-divergence

Khi dữ liệu mới rất lớn

Khi dữ liệu mới rất nhỏ và tác vụ gần giống

Khi mô hình gốc không hiệu quả

Khi cần thay đổi cấu trúc mô hình