Soy nuevo en la máquina de aprendizaje de campo, pero quería probar e implementar un algoritmo de clasificación simple, con Keras. Por desgracia, tengo un pequeño conjunto de datos, se me ocurrió la idea de intentar aplicar la transferencia de aprendizaje para el problema; sin embargo, no pude encontrar nada en esta línea, así que quería entender cuales son los mejores lugares para buscar un pre-red neuronal entrenada. ¿Tiene alguna sugerencia al respecto? La página web que es mejor para obtener una idea sobre cómo iniciar un proyecto de aprendizaje de la máquina?
Respuestas
¿Demasiados anuncios?Keras sí ofrece algunos de la imagen de éxito de procesamiento de redes neuronales preentrenado en el ImageNet: https://keras.io/applications/
Otro aprendizaje profundo de las bibliotecas también ofrecen algunos preentrenado modelos, en particular:
- TensorFlow: https://github.com/tensorflow/models
- caffe: https://github.com/BVLC/caffe/wiki/Model-Zoo
- caffe2: https://github.com/caffe2/caffe2/wiki/Model-Zoo
- pytorch: https://github.com/Cadene/pretrained-models.pytorch
- Lasaña: https://github.com/Lasagne/Recipes
Muchos preentrenado modelos para varias plataformas también pueden ser encontrados en la https://www.gradientzoo.com.
Por otra parte, si usted está interesado en alguna en particular de la arquitectura de red, los autores proporcionan a veces preentrenado propios modelos, por ejemplo, ResNeXt.
Dado que la pregunta del título es genérico (y no es específica de la visión de computadora), voy a dar la PNLrelacionados con la respuesta así, en caso de que esto ayude a alguien que tropieza con buscando preentrenado vector incrustaciones:
Los dos más populares de pre-entrenados vector de incrustaciones se pueden encontrar en estos enlaces:
- Guante- https://nlp.stanford.edu/projects/glove/
- Tensorflow Incrustaciones - https://code.google.com/archive/p/word2vec/
También hay un par de menos populares y/o las más recientes:
- LexVec - https://github.com/alexandres/lexvec
- FastText - https://github.com/icoxfog417/fastTextJapaneseTutorial
- Meta-Incrustaciones - http://cistern.cis.lmu.de/meta-emb/