多任务学习(MTL),分类任务调研

在这里插入图片描述
多任务学习的模式

隐层参数的硬共享机制hard parameter sharing:在所有任务之间共享隐藏层,同时保留几个特定任务的输出层来实现。降低了过拟合的风险。直观来讲,越多任务同时学习,我们的模型就能捕捉到越多任务的同一个表示,从而导致在我们原始任务上的过拟合风险越小。
在这里插入图片描述隐层参数的软共享机制soft parameter sharing:每个任务都有自己的模型,自己的参数。模型参数之间的距离是正则化的,以便鼓励参数相似化。
在这里插入图片描述

相关推荐

  1. 对比学习用于分类任务

    2023-12-18 23:54:02       27 阅读
  2. ML】机器学习任务攻略 4

    2023-12-18 23:54:02       43 阅读
  3. 【FreeRTOS任务调度机制学习

    2023-12-18 23:54:02       37 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2023-12-18 23:54:02       98 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2023-12-18 23:54:02       106 阅读
  3. 在Django里面运行非项目文件

    2023-12-18 23:54:02       87 阅读
  4. Python语言-面向对象

    2023-12-18 23:54:02       96 阅读

热门阅读

  1. Linux命令行基础知识

    2023-12-18 23:54:02       68 阅读
  2. 数据结构基础小结

    2023-12-18 23:54:02       55 阅读
  3. autosar是rtos的一种

    2023-12-18 23:54:02       55 阅读
  4. Python文件命名规则:批量重命名与规则匹配的文件

    2023-12-18 23:54:02       55 阅读