会员服务
预训练模型是深度学习架构，已经过训练以执行大量数据上的特定任务（例如，识别图片中的分类问题）。这种训练不容易执行，并且通常需要大量资源，超出许多可用于深度学习模型的人可用的资源。
An Empirical Investigation of Pre-Trained Deep Learning Model Reuse in the Scientific Process
Arxiv
0+阅读 · 6月15日
ViP-VL: Vietnamese Self-supervised Speech Pretraining Model with Vector-Quantization Learning
Arxiv
0+阅读 · 6月10日
UniBCI: Towards a Unified Pretrained Model for Invasive Brain-Computer Interfaces
Arxiv
0+阅读 · 4月30日
Model Recycling Framework for Multi-Source Data-Free Supervised Transfer Learning
Arxiv
0+阅读 · 6月5日
Partial Identification under Missing Data Using Weak Shadow Variables from Pretrained Models
Arxiv
0+阅读 · 6月8日
Combining pre-trained models via localized model averaging
Arxiv
0+阅读 · 5月13日
Speaker Disentanglement of Speech Pre-trained Model Based on Interpretability
Arxiv
0+阅读 · 4月1日
Consistency-based Abductive Reasoning over Perceptual Errors of Multiple Pre-trained Models in Novel Environments
Arxiv
0+阅读 · 3月20日
QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
Arxiv
0+阅读 · 3月18日
Gradient-Sign Masking for Task Vector Transport Across Pre-Trained Models
Arxiv
0+阅读 · 2月20日
Delayed Backdoor Attacks: Exploring the Temporal Dimension as a New Attack Surface in Pre-Trained Models
Arxiv
0+阅读 · 3月12日
Software Dependencies 2.0: An Empirical Study of Reuse and Integration of Pre-Trained Models in Open-Source Projects
Arxiv
0+阅读 · 2月18日
Partial Identification under Missing Data Using Weak Shadow Variables from Pretrained Models
Arxiv
0+阅读 · 2月17日
Transfer Learning of Linear Regression with Multiple Pretrained Models: Benefiting from More Pretrained Models via Overparameterization Debiasing
Arxiv
0+阅读 · 2月18日
Operationalising the Superficial Alignment Hypothesis via Task Complexity
Arxiv
0+阅读 · 2月17日
参考链接
微信扫码咨询专知VIP会员
Top