可扩展性
AI 可扩展性指的是 AI 系统无需大规模重新训练即可将其能力扩展到新的领域、任务和数据集，采用迁移学习、多任务学习和模块化设计等技术，实现灵活性与无缝集成。...
1 分钟阅读
AI
Extensibility
+4
Transfer Learning
零样本学习
零样本学习是一种人工智能方法，模型在没有针对特定类别进行过明确训练的情况下，通过语义描述或属性来进行推理，从而识别对象或数据类别。当收集训练数据非常困难或不可能时，这种方法尤其有用。...
1 分钟阅读
Zero-Shot Learning
AI
+3
迁移学习
迁移学习是一种先进的机器学习技术，使得在一个任务上训练出的模型能够迁移复用到相关任务上，从而提高效率和性能，尤其是在数据稀缺的情况下。...
1 分钟阅读
AI
Machine Learning
+3
迁移学习
迁移学习是一种强大的人工智能/机器学习技术，通过对预训练模型进行适应，能够将其应用于新任务，即使数据有限，也能提升性能，并在图像识别、自然语言处理等多种应用中提高效率。...
1 分钟阅读
AI
Machine Learning
+4
什么是 Fastai？
Fastai 是一个建立在 PyTorch 之上的深度学习库，提供高级 API、迁移学习和分层架构，使神经网络开发在视觉、自然语言处理、表格数据等领域变得简单。由 Jeremy Howard 和 Rachel Thomas 开发，Fastai 是开源且由社区驱动，让最前沿的人工智能技术对所有人都可及。...
3 分钟阅读
Fastai
Deep Learning
+5
数据稀缺
数据稀缺指的是用于训练机器学习模型或进行全面分析的数据不足，这会阻碍准确 AI 系统的发展。了解 AI 和自动化中数据稀缺的原因、影响及应对技术。...
1 分钟阅读
AI
Data Scarcity
+5
微调
模型微调通过对预训练模型进行轻微调整，使其适应新任务，从而减少对数据和资源的需求。了解微调如何利用迁移学习、不同技术、最佳实践和评估指标，高效提升NLP、计算机视觉等领域模型性能。...
2 分钟阅读
Fine-Tuning
Transfer Learning
+6
小样本学习
小样本学习是一种机器学习方法，使模型仅通过少量有标签的样本就能做出准确预测。与传统的监督学习方法不同，它专注于从有限数据中泛化，利用元学习、迁移学习和数据增强等技术。...
1 分钟阅读
Few-Shot Learning
Machine Learning
+3