文章 "神经网络变得轻松（第二十三部分）：构建迁移学习工具" 新评论 MetaQuotes 2022.11.21 08:18 新文章 神经网络变得轻松（第二十三部分）：构建迁移学习工具已发布： 在本系列文章中，我们已经不止一次提到了迁移学习。 然而，都只是提及而已。 在本文中，我建议填补这一空白，并仔细研究迁移学习。 如以，我看到了三个清晰的模块。 在第一个模块中，我们将操控供体模型。 在此，我们要能够选择含有已训练模型的文件。 从文件加载模型后，该工具必须提供已加载模型的体系结构的说明。 这是因为用户应当了解加载了哪个模型，以及将要复制哪些神经层。 我们还要通知工具有关复制图层的数量。 如上所述，我们将从源数据层开始按顺序复制神经层。 在第二个模块当中，将添加神经层。 在此，我们将创建字段，用于输入有关正在创建的神经层的信息。 与程序代码一样，我们将按顺序逐个定义每个神经层，并将其添加到新模型的架构之中。 第三个模块将显示所创建模型的整体架构，并能够指定一个文件来保存它。 下面呈现该工具的设计示例。 该工具的设计及其实现，两者均仅用于演示目的。 您始终能修改它们来更好地满足您的需求。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络变得轻松（第二十三部分）：构建迁移学习工具已发布：
在本系列文章中，我们已经不止一次提到了迁移学习。 然而，都只是提及而已。 在本文中，我建议填补这一空白，并仔细研究迁移学习。
如以，我看到了三个清晰的模块。 在第一个模块中，我们将操控供体模型。 在此，我们要能够选择含有已训练模型的文件。 从文件加载模型后，该工具必须提供已加载模型的体系结构的说明。 这是因为用户应当了解加载了哪个模型，以及将要复制哪些神经层。 我们还要通知工具有关复制图层的数量。 如上所述，我们将从源数据层开始按顺序复制神经层。
在第二个模块当中，将添加神经层。 在此，我们将创建字段，用于输入有关正在创建的神经层的信息。 与程序代码一样，我们将按顺序逐个定义每个神经层，并将其添加到新模型的架构之中。
第三个模块将显示所创建模型的整体架构，并能够指定一个文件来保存它。 下面呈现该工具的设计示例。
该工具的设计及其实现，两者均仅用于演示目的。 您始终能修改它们来更好地满足您的需求。
作者：Dmitriy Gizlyk