迁移学习

python神经网络编程入门（四十四）——微调预训练 BERT 做下游任务📍 路标：本篇位于《从零构建 Transformer》系列第 15/16 章 · 实战篇。系列主线：注意力思想 → 自注意力 → 多头 → 位置编码 → 编解码架构 → 手撕实现 → 预训练模型 → 实战微调 → 知识收官。进度：▸ 基石篇(1-5) ▸ 架构篇(6-10) ▸ 预训练篇(11-13) ▸ 实战篇(14-16·本篇) ▸ 知识收官

Vue3 还原一个企业级后台-08-API注册管理脚手架、布局、通用组件都就位了，现在该上战场了。第一个业务模块——API 注册管理，是整个项目的"列表页范式"样板间。把这一篇吃透，后面两个业务模块（模型汇聚、模型标准发布）都是它的变体。

PyTorch计算机视觉（4）——迁移学习（Transfer Learning）详解与实现在计算机视觉项目中设计合适的卷积神经网络 (Convolutional Neural Network, CNN) 模型并非易事，ResNet9 模型架构是针对低分辨率图像数据集最简洁高效的模型之一。对于高分辨率图像数据集，则需要采用更强大的模型。现有许多基于数百万张图像训练得到的优秀预训练模型可供利用，因此我们无需重复造轮子。迁移学习 (Transfer Learning) 正是运用这些预训练模型处理新数据集的图像分类或其他计算机视觉任务的有效方法。

网络工程小王

【HCIE-AI】11.模型昇腾迁移适配-精度调试-性能调优昇腾迁移适配1.1 torch.cuda → torch.npu 逐项替换清单1.1.1 设备管理类1.1.2 内存管理类

丨白色风车丨

PyTorch 迁移学习实战：ResNet18 实现 20 类食物图像分类（完整可运行代码）目录一、项目前言环境依赖二、完整源码三、代码分模块深度解析3.1 迁移学习核心：冻结主干网络两种训练模式切换

网小鱼的学习笔记

Agent学习001skill的本质是动态promot，只会加载一小部分内容加入对话上下文

从零搭建CNN到迁移学习：以食物分类为例深入理解PyTorch图像分类实战随着深度学习的快速发展，卷积神经网络（CNN）已成为计算机视觉领域的核心技术之一。从图像分类、目标检测到语义分割，CNN及其变体在各种任务中都展现出了卓越的性能。对于初学者而言，从零开始实现一个CNN模型并完成训练，是理解深度学习原理的重要途径；而对于实际应用，我们往往采用迁移学习（Transfer Learning）来利用在大规模数据集上预训练的模型，从而在小数据集上快速获得高性能的分类器。

5. 迁移学习（所谓迁移学习：一是必须有一个预训练模型，二是必须进行微调；）一般情况下预训练模型都是大型模型，具备复杂的网络结构，众多的参数量，以及在足够大的数据集下进行训练而产生的模型。在NLP领域，预训练模型往往是语言模型。因为语言模型的训练是无监督的，可以获得大规模语料，同时语言模型又是许多典型NLP任务的基础，如机器翻译，文本生成，阅读理解等，常见的预训练模型有 BERT,GPT, roBERTa,transformer-XL等。（预训练模型特点：模型结构一般较复杂且是在众多语料下训练好的模型，可拿来直接

叫我：松哥

基于卷积神经网络的人脸情绪识别算法，引入残差连接与SE注意力模块1前言1.1.1 研究背景随着人工智能技术的飞速发展，人机交互日益成为日常生活的重要组成部分。人类情感的表达主要通过面部表情、语音语调、肢体动作等方式传递，其中面部表情是最直观、最丰富的载体。人脸情绪识别旨在使计算机能够自动识别人类的情绪状态，如高兴、悲伤、愤怒、惊讶等，从而实现更自然、更智能的交互。该技术在智能教育、心理健康监测、安全驾驶、娱乐互动等领域具有广阔的应用前景。

叫我：松哥

基于神经网络的汽车与自行车的分类算法设计与实现，采用ResNet50和迁移学习，准确率达到99%1前言1.1 研究的背景和意义随着城市化进程的加速和机动车保有量的持续增长，交通拥堵、事故频发、环境污染等问题日益突出。智能交通系统（Intelligent Transportation System, ITS）作为缓解交通压力、提升道路安全的重要手段，近年来受到广泛关注。车辆分类识别是ITS的核心技术之一，它通过对道路上的车辆进行实时、准确的分类，为交通流量统计、违章行为检测、自动驾驶决策等提供关键信息。自行车作为一种绿色出行方式，在城市短途交通中占有重要地位，而汽车则是主要的机动化交通工具。实现自行车

叫我：松哥

基于深度卷积神经网络的水果图片分类算法设计与实现，有ResNet50的迁移学习模型，准确率达95%1前言1.1 研究的背景和意义1.1.1 研究背景农业是国民经济的基础产业，农产品的智能化识别对于提升农业生产效率、保障食品安全、推动农业现代化具有重要意义。水果作为日常消费品，其种类繁多、外观相似，传统的人工分类方式不仅效率低下，而且容易受到主观因素和疲劳的影响，难以满足大规模、高精度的应用需求。随着计算机视觉和深度学习技术的迅猛发展，基于图像的自动分类方法逐渐成为研究热点。

装不满的克莱因瓶

深入PyTorch模型的训练与可视化 —— 掌握迁移学习等模型训练效果提升的办法目录前言什么是迁移学习为什么迁移学习效果好迁移学习训练流程使用PyTorch加载预训练模型查看模型结构

SQL Server 迁移注意事项：一次的真实复盘与经验沉淀很多人把数据库迁移类比成搬家——把东西打包、运过去、再 unpack。但真正做过生产环境 SQL Server 迁移的人都知道，这个比喻害死人。搬家可以接受短暂的秩序混乱，可以忍受几天找不到东西。数据库迁移不一样，生产库一旦出问题，业务就是停摆，损失按分钟计。

weixin_46846685

迁移学习落地实战：从场景匹配到价值验证在机器学习落地的实际过程中，最让人头疼的往往不是模型架构有多复杂，而是手里根本没有足够的数据。很多团队在面对新业务场景时，常常陷入“巧妇难为无米之炊”的困境：标注成本高昂、冷启动周期漫长，导致项目迟迟无法推进。尤其是当业务需求紧迫，而历史数据积累几乎为零时，传统的从头训练模式显得笨重且低效。

EM-Core自动驾驶类脑世界模型——全域客观认知底座（V1.0 正式版）文档归属：EM-Core 通用智能系统适用场景：EM-Core AD 自动驾驶认知系统文档版本：V1.0 原创提出者：文波福开源协议：CC BY 4.0

NLP —— Transformers库使用目录一、概念二、管道方式（Pipline）三、自动模型（AutoModel）四、具体模型方式① 设置变量

transformers迁移学习迁移学习是一种机器学习技术，其核心思想是将在一个任务（源任务）上学习到的知识，应用到另一个相关但不同的任务（目标任务）上。