Transfer Learning ช่วยในการพัฒนาแบบจำลองจำแนกประเภทภาพอย่างไร เมื่อเปรียบเทียบกับการสร้าง Neural Network ตั้งแต่ต้น
กใช้เวลาฝึกสอนน้อยลงและต้องการข้อมูลตัวอย่างน้อยกว่า เนื่องจากนำ Feature ที่เรียนรู้จากโมเดลที่ฝึกไว้แล้วมาใช้งานต่อ
ขทำให้แบบจำลองมีความแม่นยำสูงขึ้นเสมอในทุกกรณี เนื่องจากโมเดลต้นทางได้รับการฝึกด้วยชุดข้อมูลที่ใหญ่กว่า
คลดความซับซ้อนของสถาปัตยกรรม Network ลงได้อย่างถาวร เนื่องจากไม่จำเป็นต้องใช้ Layer จำนวนมากในการเรียนรู้
งช่วยให้แบบจำลองไม่จำเป็นต้องมีการปรับแต่ง Hyperparameter ใด ๆ เนื่องจากโมเดลต้นทางตั้งค่าไว้อย่างเหมาะสมแล้ว
เฉลยอธิบาย
Transfer Learning คือการนำโมเดลที่ฝึกสอนไว้แล้วบนชุดข้อมูลขนาดใหญ่ (เช่น ImageNet) มาปรับใช้กับงานใหม่ ข้อดีหลักคือสามารถนำ Feature ระดับต่ำและระดับกลาง เช่น ขอบ รูปทรง ที่โมเดลเรียนรู้ไว้แล้วมาใช้ต่อ ทำให้ใช้ข้อมูลฝึกสอนและเวลาน้อยกว่าการสร้าง Network ใหม่ตั้งแต่ต้น ตัวเลือก B ผิดเพราะไม่ได้แม่นยำกว่าเสมอไปหากชุดข้อมูลต่างกันมาก ตัวเลือก C ผิดเพราะโครงสร้าง Network ไม่ได้ลดลงถาวร และตัวเลือก D ผิดเพราะยังต้องมีการปรับ Hyperparameter เช่น Learning Rate และจำนวน Epoch อยู่เสมอ