Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

Transfer learning

Transfer learning to technika polegająca na wykorzystaniu wiedzy z wcześniej wytrenowanego modelu do nowego zadania. Zamiast inicjalizować wagi losowo, model startuje z wagami pre-trenowanymi na dużym zbiorze danych. Dzięki temu trening jest szybszy, wymaga mniej danych i osiąga lepsze wyniki — szczególnie gdy nowy zbiór jest mały.

Czego się nauczysz

  • Dlaczego transfer learning przyspiesza zbieżność
  • Jak pre-trenowane wagi skracają ścieżkę do rozwiązania
  • Kiedy transfer learning daje największą przewagę
  • Jak porównać krzywe uczenia obu podejść

Jak korzystać z wizualizacji

Porównanie treningu „od zera" vs transfer learning na tym samym zbiorze 2D. Split view z granicami decyzyjnymi, krzywymi loss i accuracy. Transfer startuje z wagami bliskimi rozwiązaniu — zbieżność jest drastycznie szybsza.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →