使用預先訓練模型
訓練卷積類神經網路以執行圖片分類工作時，通常需要使用大量的訓練資料，而且可能需要數天或數週才能完成。但是，如果可以運用運用大量資料集 (例如透過 TensorFlow-Slim) 訓練的現有圖片模型，並調整這些模型，以便在自己的分類工作中使用？
利用預先訓練模型的常見技術之一是「特徵擷取」：擷取預先訓練模型產生的中繼表示法，然後將這些表示法以輸入內容的形式輸入到新的模型中。舉例來說，如果您訓練了圖片分類模型來區分不同類型的蔬菜，可以將胡蘿蔔、咖哩等的訓練圖片提供給預先訓練的模型，然後從最終卷積層擷取特徵。這些模型會擷取模型所有相關資訊，並將這些內容分類為建構內容的新類別，以建立、分類、形狀等。為了讓在透過預先訓練的模型使用特徵擷取時可提高效能，工程師通常會微調套用到已擷取特徵的權重參數。
如要進一步探索使用預先訓練模型的模型擷取和微調，請參閱下列運動。