Machine learning 如何用已有标签或新标签的新图像重新训练多标签图像分类的机器学习模型？ 让我们考虑一下，我们有3种动物的图像，比如说狗、猫和马。然后，我们使用机器学习对这3个标签训练了我们的图像分类模型。目前，我们正在使用这个ML模型对动物图像进行分类
现在，每当我们有一些猫、马和新动物老虎和狮子的新图像时，我们都希望将这些新图像添加到我们的ML模型中，并将新动物图像添加到新的标签类别中，并使用更新的ML模型进行图像分类。所以，在当前场景中，我们有5类动物图像Machine learning 如何用已有标签或新标签的新图像重新训练多标签图像分类的机器学习模型？ 让我们考虑一下，我们有3种动物的图像，比如说狗、猫和马。然后，我们使用机器学习对这3个标签训练了我们的图像分类模型。目前，我们正在使用这个ML模型对动物图像进行分类,machine-learning,multilabel-classification,pre-trained-model,image-classification,Machine Learning,Multilabel Classification,Pre Trained Model,Image Classification,现在，每当我们有一些猫、马和新动物老虎和狮子的新图像时，我们都希望将这些新图像添加到我们的ML模型中，并将新动物图像添加到新的标签类别中，并使用更新的ML模型进行图像分类。所以，在当前场景中，我们有5类动物图像 那么，如何对这种ML模型进行优化再训练呢？在这种情况下，哪种技术、框架或平台最适合使用？最有希望的方法是使用深度神经网络，尤其是CNN，因为你在处理图像，这里的想法是利用转移学习，因为这将允许您在每次添加新标签时重新训练几个层，从而使您的模型适应新的分类任务，而其他方法每次添加新层时都必
那么，如何对这种ML模型进行优化再训练呢？在这种情况下，哪种技术、框架或平台最适合使用？最有希望的方法是使用深度神经网络，尤其是CNN，因为你在处理图像，这里的想法是利用
转移学习至于我推荐使用Pytork的技术，他们有一个很棒的教程，你可以从这里开始：最有希望的方法是使用深度神经网络，特别是CNN的，因为你在处理图像，这里的想法是利用
转移学习