技术报告：在训练中结合迁移学习知识与宽ResNet
机器学习
2022-06-22 v1
摘要
在本报告中，我们结合宽ResNet与迁移学习的思想来优化深度神经网络的架构。该架构的第一项改进是使用所有层作为最后一层的的信息源。此思想源自迁移学习，其利用在其他数据上预训练的网络并提取网络的不同层级作为新任务的输入。第二项改进是使用更深的层而非更深的块序列。此思想源自宽ResNet。利用这两种优化，高数据增强与标准数据增强均能为不同模型产生更好的结果。链接：https://github.com/wolfgangfuhl/PublicationStuff/tree/master/TechnicalReport1/Supp
引用
@article{arxiv.2206.09697,
title = {Technical Report: Combining knowledge from Transfer Learning during training and Wide Resnets},
author = {Wolfgang Fuhl},
journal= {arXiv preprint arXiv:2206.09697},
year = {2022}
}