Praktisches Deep Learning für Cloud, Mobile und Edge

Kapitel 3. Katzen gegen Hunde: Transfer Learning in 30 Zeilen mit Keras

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Stell dir vor, wir wollen lernen, wie man eine Melodica spielt, ein Blasinstrument in Form eines tragbaren Keyboards. Wenn wir keine musikalische Vorbildung haben und die Melodika unser erstes Instrument ist, brauchen wir vielleicht ein paar Monate, um sie zu beherrschen. Wenn wir dagegen bereits ein anderes Instrument, wie z. B. das Klavier, gut beherrschen, dauert es vielleicht nur ein paar Tage, weil sich die beiden Instrumente so ähnlich sind. Das Gelernte aus einer Aufgabe zu übernehmen und an einer ähnlichen Aufgabe zu verfeinern, ist etwas, was wir im wirklichen Leben oft tun (wie in Abbildung 3-1 dargestellt). Je ähnlicher die beiden Aufgaben sind, desto einfacher ist es, das Gelernte von einer Aufgabe auf die andere zu übertragen.

Wir können dieses Phänomen aus dem echten Leben auf die Welt des Deep Learning übertragen. Der Start eines Deep-Learning-Projekts kann relativ schnell erfolgen, wenn ein vortrainiertes Modell verwendet wird, das das Wissen, das es beim Training gelernt hat, wiederverwendet und an die jeweilige Aufgabe anpasst. Dieser Prozess wird als Transfer Learning bezeichnet.

In diesem Kapitel nutzen wir Transfer Learning, um bestehende Modelle zu verändern, indem wir mit Keras in wenigen Minuten unseren eigenen Klassifikator trainieren. Am Ende dieses ...