用模板建站,手机网站下拉列表,自己做平台网站,小程序推广是什么工作1.zero-shot 定义#xff1a;在ZSL中#xff0c;某一类别在训练样本中未出现#xff0c;但是我们知道这个类别的特征#xff0c;然后通过语料知识库#xff0c;便可以将这个类别识别出来。概括来说#xff0c;就是已知描述#xff0c;对未知类别#xff08;未在训练集中… 1.zero-shot 定义在ZSL中某一类别在训练样本中未出现但是我们知道这个类别的特征然后通过语料知识库便可以将这个类别识别出来。概括来说就是已知描述对未知类别未在训练集中出现的类别)进行推理。
以下图为例简述比方说我们有个1000分类的大模型但这个模型从未训练过斑马此时想基于大模型来识别斑马。现在回到大模型中我们发现大模型中的马体型老虎的纹络分布熊猫的颜色和斑马特征相似我们基于这三种动物的特征再加入一些描述基于原大模型完成对斑马的识别。 2.迁移学习 定义可以理解为zore-shot的升级版迁移学习(Transfer Learning)是一种机器学习方法就是把为任务 A 开发的模型作为初始点重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务虽然大多数机器学习算法都是为了解决单个任务而设计的但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见。
例如我们可能会发现学习识别苹果可能有助于识别梨或者学习弹奏电子琴可能有助于学习钢琴。找到目标问题的相似性迁移学习任务就是从相似性出发将旧领域(domain)学习过的模型应用在新领域上。 3.多模态学习 定义机器学习一般是对单模态像视频音频文本图片等单独学习多模态可以理解为对多个单模态一起学习得到更全面的模型。
例如我们但从图片识别就可以识别一个狗狗但如果想从声音识别狗狗又要重新训练一个模型各自为战的模型必然不如一个多模态的大模型应用面广更容易落地。所以训练一个可以从图片音频视频问本都可以识别狗狗的模型是一个很好的方向。 参考文献 1.Zero-shot_六六fan的博客-CSDN博客
2.Zero-shot零次学习简介_Unstoppable~~~的博客-CSDN博客
3.迁移学习Transfer_Sonhhxg_柒的博客-CSDN博客
4.多模态学习_卓晴的博客-CSDN博客
