http://wiki.sseuu.com/index.php?action=history&feed=atom&title=%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B 2026-04-04T00:53:53Z 本wiki的该页面的版本历史 MediaWiki 1.30.0 http://wiki.sseuu.com/index.php?title=%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B&diff=121654&oldid=prev 2023-09-17T13:34:26Z

<p></p> <table class="diff diff-contentalign-left" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr style="vertical-align: top;" lang="zh-CN"> <td colspan="2" style="background-color: white; color:black; text-align: center;">←上一版本</td> <td colspan="2" style="background-color: white; color:black; text-align: center;">2023年9月17日 (日) 13:34的版本</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l4" >第4行：</td> <td colspan="2" class="diff-lineno">第4行：</td></tr> <tr><td class='diff-marker'>&#160;</td><td style="background-color: #f9f9f9; color: #333333; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #e6e6e6; vertical-align: top; white-space: pre-wrap;"><div>预训练模型无需标签就可以从数据中学习有用的特征，而且其预训练方法多样，包括自编码器、语言模型和图像特征提取等。这些模型适用于多种通用任务，如分类、回归和语音识别等。</div></td><td class='diff-marker'>&#160;</td><td style="background-color: #f9f9f9; color: #333333; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #e6e6e6; vertical-align: top; white-space: pre-wrap;"><div>预训练模型无需标签就可以从数据中学习有用的特征，而且其预训练方法多样，包括自编码器、语言模型和图像特征提取等。这些模型适用于多种通用任务，如分类、回归和语音识别等。</div></td></tr> <tr><td class='diff-marker'>&#160;</td><td style="background-color: #f9f9f9; color: #333333; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #e6e6e6; vertical-align: top; white-space: pre-wrap;"><div>&lt;br&gt;</div></td><td class='diff-marker'>&#160;</td><td style="background-color: #f9f9f9; color: #333333; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #e6e6e6; vertical-align: top; white-space: pre-wrap;"><div>&lt;br&gt;</div></td></tr> <tr><td class='diff-marker'>−</td><td style="color:black; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del class="diffchange diffchange-inline">在具体使用中，人们通常会选择在大型公开数据集（如ImageNet）上预训练的模型，这些模型已经经过了深度训练，可以作为新模型的起点，从而避免从头开始训练模型并节省时间和计算资源。</del></div></td><td class='diff-marker'>+</td><td style="color:black; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins class="diffchange diffchange-inline">在具体使用中，人们通常会选择在大型公开数据集（如[[ImageNet]]）上预训练的模型，这些模型已经经过了深度训练，可以作为新模型的起点，从而避免从头开始训练模型并节省时间和计算资源。</ins></div></td></tr> </table>

江南仁 http://wiki.sseuu.com/index.php?title=%E9%A2%84%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B&diff=121653&oldid=prev 2023-09-17T13:24:39Z

<p>创建页面，内容为“{{4}} 预训练模型是一种预先在大量数据集上训练过的神经网络模型，这种模型已经过训练以执行特定任务，如识别图片中的分...”</p> <p><b>新页面</b></p><div>{{4}}<br /> 预训练模型是一种预先在大量数据集上训练过的神经网络模型，这种模型已经过训练以执行特定任务，如识别图片中的分类问题。这种方法利用大规模数据的信息来初始化模型参数，然后通过微调或迁移学习，将模型适应到特定的目标任务上。<br /> &lt;br&gt;<br /> 预训练模型无需标签就可以从数据中学习有用的特征，而且其预训练方法多样，包括自编码器、语言模型和图像特征提取等。这些模型适用于多种通用任务，如分类、回归和语音识别等。<br /> &lt;br&gt;<br /> 在具体使用中，人们通常会选择在大型公开数据集（如ImageNet）上预训练的模型，这些模型已经经过了深度训练，可以作为新模型的起点，从而避免从头开始训练模型并节省时间和计算资源。</div>

江南仁