Transfer Learning#
Le tranfer learning consiste à réutiliser un modèle de deep learning déjà appris sur une grande base de données pour un problème aux dimensions plus modestes. C’est la première chose à faire quand on commence le deep learning : c’est souvent très rapide pour des résultats déjà acceptables. Cela a aussi l’avantage d’être peu coûteux comparé à l’apprentissage d’un réseau de neurones profond complet sur une grande bases de données.
Notebooks
Transfer Learning (Olivier Grisel)
Lectures - introduction
Building powerful image classification models using very little data
Deep Learning : choisir son framework et entrainer ses modèles dans Azure, présenté avec Olivier Grisel
Lectures - articles
Unsupervised and Transfer Learning Challenges in Machine Learning, Volume 7
Deep Learning of Representations for Unsupervised and Transfer Learning
Unsupervised and Transfer Learning Challenge: a Deep Learning Approach
Learning Transferable Features with Deep Adaptation Networks
Transfer Learning in Sequential Decision Problems: A Hierarchical Bayesian Approach
Transfer Learning for Reinforcement Learning Domains: A Survey
Transferability in Machine Learning: from Phenomena to Black-Box Attacks using Adversarial Samples
Semi-supervised Knowledge Transfer for Deep Learning from Private Training Data
Knowledge Concentration: Learning 100K Object Classifiers in a Single CNN
Lectures - hors nn
Modèles pré-entraînés
Places CNN, Pre-release of Places365-CNNs (deep learning)