https://terms-en.ai-term-hub.com/zh/tags/transfer-learning/Recent content in Transfer Learning on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/tensorflow_hub/Sat, 18 Jul 2026 11:35:54 +0000https://terms-en.ai-term-hub.com/zh/terms/tensorflow_hub/<h2 id="definition">Definition</h2> <p>TensorFlow Hub 是一个发布和复用机器学习组件的平台。它允许开发者访问针对图像分类、文本嵌入等各种任务预训练的模型。</p> <h3 id="summary">Summary</h3> <p>一个用于可复用机器学习模块的仓库，支持使用预训练模型进行迁移学习。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>模块复用</li> <li>预训练模型</li> <li>效率</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>快速模型原型开发</li> <li>降低训练成本</li> <li>实现最先进的自然语言处理/计算机视觉技术</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#f92672">import</span> tensorflow_hub <span style="color:#66d9ef">as</span> hub </span></span><span style="display:flex;"><span>module <span style="color:#f92672">=</span> hub<span style="color:#f92672">.</span>load(<span style="color:#e6db74">&#39;https://tfhub.dev/google/imagenet/mobilenet_v2_100_224/classification/5&#39;</span>) </span></span></code></pre></div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hugging-face-hugging-face%E5%B9%B3%E5%8F%B0/">Hugging Face (Hugging Face平台)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/keras-applications-keras%E5%BA%94%E7%94%A8%E5%BA%93/">Keras Applications (Keras应用库)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-zoo-%E6%A8%A1%E5%9E%8B%E5%8A%A8%E7%89%A9%E5%9B%AD/">Model Zoo (模型动物园)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/pretrained/Sat, 18 Jul 2026 11:30:18 +0000https://terms-en.ai-term-hub.com/zh/terms/pretrained/<h2 id="definition">Definition</h2> <p>“预训练”一词描述了一个神经网络模型，该模型已在海量且通常通用的数据集（如ImageNet或Wikipedia）上进行了初始训练。这一过程使模型能够学习丰富的通用特征表示，随后可以通过微调适应特定的下游任务。</p> <h3 id="summary">Summary</h3> <p>指在针对特定任务进行调整之前，已在大规模数据集上完成训练的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>特征提取</li> <li>基础模型</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>初始化BERT或GPT模型</li> <li>使用ResNet进行图像分类</li> <li>特定领域自然语言处理任务的起点</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/foundation_models-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">foundation_models (基础模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/feature_extraction-%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">feature_extraction (特征提取)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/finetuned/Sat, 18 Jul 2026 11:17:25 +0000https://terms-en.ai-term-hub.com/zh/terms/finetuned/<h2 id="definition">Definition</h2> <p>微调是指采用已在大型通用数据集上训练好的模型，并在较小、特定领域的数据集上继续训练的技术。这使得模型能够保留通用知识的同时，针对特定任务进行优化和适配。</p> <h3 id="summary">Summary</h3> <p>在特定数据集上进一步训练预训练模型的过程，以使其适应特定任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>参数调整</li> <li>领域自适应</li> <li>预训练模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自定义图像分类</li> <li>专用情感分析</li> <li>医疗诊断辅助</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transfer-learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">Transfer Learning (迁移学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/pre-training-%E9%A2%84%E8%AE%AD%E7%BB%83/">Pre-training (预训练)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/domain/Sat, 18 Jul 2026 10:50:42 +0000https://terms-en.ai-term-hub.com/zh/terms/domain/<h2 id="definition">Definition</h2> <p>在机器学习中，特别是在迁移学习里，领域由两个组件定义：特征空间（所有可能输入的集合）和这些输入的边缘概率分布。领域偏移指的是源领域和目标领域之间分布的差异。</p> <h3 id="summary">Summary</h3> <p>领域代表由特征空间和潜在概率分布所表征的特定上下文或数据分布。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>特征空间</li> <li>边缘分布</li> <li>领域偏移</li> <li>源域与目标域</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>将基于合成数据训练的模型适应现实世界场景</li> <li>处理跨文化或跨语言的NLP任务</li> <li>针对不同医院设备的医学影像分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%A2%86%E5%9F%9F%E8%87%AA%E9%80%82%E5%BA%94-domain-adaptation/">领域自适应 (Domain Adaptation)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%88%86%E5%B8%83%E5%81%8F%E7%A7%BB-distribution-shift/">分布偏移 (Distribution Shift)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0-transfer-learning/">迁移学习 (Transfer Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B3%9B%E5%8C%96-generalization/">泛化 (Generalization)</a></li> </ul>