Gdzie znaleźć wstępnie wyszkolone modele do nauki transferu [zamknięte]

Jestem nowy w dziedzinie uczenia maszynowego, ale chciałem spróbować wdrożyć prosty algorytm klasyfikacji za pomocą Keras. Niestety mam bardzo mały zestaw danych, więc pomyślałem, aby spróbować zastosować transfer uczenia się do problemu; jednak nie mogłem znaleźć niczego w tym Internecie, więc chciałem zrozumieć, które są najlepsze miejsca do poszukiwania wstępnie wyszkolonej sieci neuronowej. Czy masz jakieś sugestie w tym zakresie? Która strona najlepiej nadaje się do pomysłu na rozpoczęcie projektu uczenia maszynowego?

Sam Keras zapewnia niektóre z udanych przetwarzania obrazów sieci neuronowych wstępnie przeszkolonych w ImageNet: https://keras.io/applications/

Inne biblioteki do głębokiego uczenia się oferują również niektóre wstępnie przeszkolone modele, w szczególności:

• TensorFlow: https://github.com/tensorflow/models
• caffe: https://github.com/BVLC/caffe/wiki/Model-Zoo
• caffe2: https://github.com/caffe2/caffe2/wiki/Model-Zoo
• pytorch: https://github.com/Cadene/pretrained-models.pytorch
• Lasagne: https://github.com/Lasagne/Recipes

Wiele wstępnie przeszkolonych modeli dla różnych platform można również znaleźć na stronie https://www.gradientzoo.com .

Co więcej, jeśli interesuje Cię konkretna architektura sieci, autorzy czasami sami przygotowują modele, np . ResNeXt .

Ponieważ tytuł pytania jest ogólny (i nie jest specyficzny dla wizji komputerowej), dam również odpowiedź związaną z NLP , na wypadek, gdyby pomógł komuś, kto natknie się na poszukiwanie wstępnie osadzonych wektorów:

Dwa najpopularniejsze wstępnie przeszkolone osadzanie wektorów można znaleźć na tych linkach:

• GloVe- https://nlp.stanford.edu/projects/glove/
• Osadzanie Tensorflow - https://code.google.com/archive/p/word2vec/

Istnieje również kilka mniej popularnych i / lub nowszych:

• LexVec - https://github.com/alexandres/lexvec
• FastText - https://github.com/icoxfog417/fastTextJapaneseTutorial
• Meta-Embeddings - http://cistern.cis.lmu.de/meta-emb/