ঠিক আছে প্রশ্ন সব বলে।
"প্রাক প্রশিক্ষণ একটি নিউরাল নেটওয়ার্ক" বলতে কী বোঝায়? কেউ কি খাঁটি সরল ইংরেজিতে ব্যাখ্যা করতে পারেন?
আমি এর সাথে সম্পর্কিত কোনও সংস্থান খুঁজে পাচ্ছি না। কেউ আমাকে তাদের দিকে নির্দেশ করতে পারলে দুর্দান্ত হবে।
উত্তর:
একটি নেটওয়ার্ক প্রশিক্ষণের স্বাভাবিক উপায়:
আপনি একটি ডেটা সেটে (যেমন চিত্রগুলির একটি সেট) কোনও টাস্ক (উদাহরণস্বরূপ শ্রেণিবিন্যাস) সম্পাদনের জন্য নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দিতে চান। আপনি এলোমেলোভাবে ওজন সূচনা করে প্রশিক্ষণ শুরু করেন। আপনি প্রশিক্ষণ শুরু করার সাথে সাথে কম ভুল (অর্থাত্ অপ্টিমাইজেশন) দিয়ে কার্য সম্পাদন করার জন্য ওজনগুলি পরিবর্তন করা হবে। প্রশিক্ষণ ফলাফলের সাথে সন্তুষ্ট হয়ে গেলে আপনি কোথাও আপনার নেটওয়ার্কের ওজনগুলি সংরক্ষণ করেন।
আপনি এখন কোনও নেটওয়ার্ককে একটি ভিন্ন ডেটা সেট (উদাহরণস্বরূপ বস্তু সনাক্তকরণ) সম্পাদনের জন্য প্রশিক্ষণ দিতে আগ্রহী (উদাহরণস্বরূপ চিত্রগুলি তবে আপনি আগে ব্যবহার করেছেন এমনটি নয়)। প্রথম নেটওয়ার্কের জন্য আপনি যা করেছিলেন তার পুনরাবৃত্তি না করে এবং এলোমেলোভাবে সূচনাযুক্ত ওজন দিয়ে প্রশিক্ষণ শুরু করার পরিবর্তে, আপনি পূর্ববর্তী নেটওয়ার্ক থেকে আপনার যে ওজনগুলি সংরক্ষণ করেছেন সেগুলি আপনার নতুন পরীক্ষার জন্য প্রাথমিক ওজন মান হিসাবে ব্যবহার করতে পারেন। এইভাবে ওজন সূচনা করা প্রাক-প্রশিক্ষিত নেটওয়ার্ক ব্যবহার হিসাবে উল্লেখ করা হয়। প্রথম নেটওয়ার্কটি আপনার প্রাক প্রশিক্ষিত নেটওয়ার্ক। দ্বিতীয়টি হ'ল সেই নেটওয়ার্ক যা আপনি সূক্ষ্ম-সুর করছেন।
প্রাক-প্রশিক্ষণের পিছনে ধারণাটি হ'ল এলোমেলো সূচনা ... ভাল ... এলোমেলো, আপনি যে কাজটি সমাধান করার চেষ্টা করছেন তার সাথে ওজনের মানগুলির কোনও সম্পর্ক নেই। মানগুলির একটি সেট অন্য সেটের চেয়ে ভাল হওয়া উচিত কেন? তবে আর কীভাবে আপনি ওজন সূচনা করবেন? এই কাজের জন্য কীভাবে এগুলি সঠিকভাবে শুরু করতে হবে তা আপনি যদি জানতেন তবে আপনি তাদের সর্বোত্তম মানগুলিতে সেট করতে পারেন (কিছুটা অতিরঞ্জিত)। কিছু প্রশিক্ষণের দরকার নেই। আপনার কাছে আপনার সমস্যার অনুকূল সমাধান রয়েছে। প্রাক-প্রশিক্ষণ নেটওয়ার্ককে একটি প্রধান সূচনা দেয়। যেন এর আগে ডেটা দেখে ফেলেছে।
প্রাক প্রশিক্ষণ যখন কী জন্য সন্ধান করা হবে:
নেটওয়ার্কটি প্রাক-প্রশিক্ষণে ব্যবহৃত প্রথম কাজটি সূক্ষ্ম-সুরকরণ পর্যায়ে একই রকম হতে পারে। প্রাক-প্রশিক্ষণ বনাম জরিমানা-টিউনিংয়ের জন্য ব্যবহৃত ডেটাসেটগুলিও একই হতে পারে তবে ভিন্নও হতে পারে। এটি দেখতে সত্যিই আকর্ষণীয় যে কীভাবে কোনও আলাদা টাস্ক এবং বিভিন্ন ডেটাসেটের প্রাক-প্রশিক্ষণ এখনও একটি নতুন ডেটাসেট এবং নতুন টাস্কে স্থানান্তরিত হতে পারে যা কিছুটা আলাদা। প্রাক-প্রশিক্ষিত নেটওয়ার্ক ব্যবহার করার মাধ্যমে সাধারণত উভয় কাজ বা উভয় ডেটাসেটের কিছু মিল থাকলে তা বোধগম্য হয়। ব্যবধানটি যত বড় হবে তত কম কার্যকর প্রাক প্রশিক্ষণ হবে। কোনও নেটওয়ার্ককে প্রথমে আর্থিক ডেটাতে প্রশিক্ষণ দিয়ে চিত্রের শ্রেণিবদ্ধকরণের জন্য প্রাক-প্রশিক্ষণ দেওয়া সামান্য বোধগম্য হয়। এক্ষেত্রে প্রাক-প্রশিক্ষণ এবং সূক্ষ্ম-সুরকরণ পর্যায়ের মধ্যে খুব বেশি সংযোগ বিচ্ছিন্ন ।
নিম্নরূপে প্রাক-প্রশিক্ষণ / সূক্ষ্ম-সুরকরণ কাজ করে:
এটি ট্রান্সফার শেখার একটি ফর্ম form সুতরাং আপনি ডেটাসেট থেকে প্রাপ্ত কিছু জ্ঞান ডেটা सेट স্থানান্তর করতে পারেন । এটির জন্য আমার মেশিন লার্নিং গ্লোসারিটি দেখুন এবং আরও কয়েকটি শর্তাবলী খুব কম শব্দেই ব্যাখ্যা করা হয়েছে।