绑定手机号
确认绑定
在自然语言处理与计算机视觉任务中,AI模型的开发主要分为模型预训练和模型微调两个阶段。预训练是指预先训练的一个模型或者指预先训练模型的过程,通常需要大量的数据集做训练。然而在实际情况中,我们很难拥有足够大的数据量,基本也就几百或者几千张,不像ImageNet有120万张图片这样的规模。
拥有的数据集不够大,而又想使用很好的模型的话,很容易会造成过拟合。因此一般的操作是在一个大型的数据集上训练一个模型,然后然后使用该模型作为类似任务的初始化或者特征提取器,对训练参数进行微调,以便在最小的资源下达到最好的模型效果。
当然,实际任务的不同需求,模型的调参优化技巧就显得极为重要。为此,惠普在智东西公开课开设惠普AI工作站专场,由英伟达特约。现阶段推出三讲,特邀三位Kaggle Grandmaster分别针对NLP和CV两个领域,以Kaggle竞赛项目为案例,为大家直播讲解不同任务中的模型调参优化技巧。(偷偷地说一下,根据Kaggle平台的数据显示,目前只有198名Kaggle Grandmaster)