近日, 亚马逊开源了迁移学习数据库Xfer, 可以轻松应用并打造迁移学习原型。所谓“迁移学习”, 是指重新利用已训练的机器学习模型来应对新任务的技术。它给深度学习领域带来了许多好处, 最明显的一点是:无需从头开始训练模型, 可以节省大量的计算、数据以及专业知识等资源。

  Xfer 是一款针对MXNet 的迁移学习, 适用于从业者和研究人员实现两种任务: 将已训练的神经网络在新场景/任务中进行部署; 基于现有网络架构打造新的神经网络原型方案。

  只要给定机器学习任务, Xfer 就能通过神经网络找到最佳解决方案, 而无需从头开始进行训练。该库可以应用于任意的数据与网络, 包括那些最常见的图像和文本数据。

  使用Xfer 有以下好处:

  (1) 节省资源: 无需从头开始训练网络, 从而节省大量的人力与CPU/GPU 资源。

  (2) 提升处理能力: 即使标签很少, 也能对复杂的数据进行分类。

  (3) 降低使用门槛: 无需成为机器学习专家, 即能轻松利用和修改现有的神经网络体系结构, 创建自己的解决方案。

  (4) 便于从神经网络中提取特征。

  (5) 提升原型设计速度: Xfer 的ModelHandler 模块将允许轻松修改神经网络的架构。

  (6) 不确定性建模(Uncertainty Modeling): 通过贝叶斯神经网络或高斯过程, 把控模型预测的不确定性。

  Xfer 的GuitHub 地址: https://github.com/amzn/xfer。

  (编译自: https://medium.com/apache-mxnet/xfer-an-open-source-library-for-neural-network-transfer-learning-cd5eac4accf0)

(本刊讯)