265
Kerakli formatdagi(ko‘rinishdagi) chiqish signallarini shakllantirish.
Ko‘pgina modellar ko‘plab turdagi vaziyatlarda o‘qitiladi, masalan, ImageNet modeli
mingta sinfga ajratilgan bir million tasvirni o‘z ichiga oladi, shuning uchun bu model
parametrlarini o‘zgartirishga hojat yo‘q. Buning o‘rniga, uni yangi konkret belgilar bilan
to‘ldirish, va faqat uning oxirgi qatlamlarini yechilishi kerak bo‘lgan masala uchun qayta
o‘qitish foydaliroqdir.TLda modelga uzatilayotgan yangi namunalardan belgilarni ajratib
olish uchun oldingi model tomonidan olingan qonuniyatlardan foydalaniladi, keyinchalik
bu belgilar yangi tasniflagich (klassifikator) orqali o‘tkaziladi. Bu usulda faqatgina maqsad
qilingan masalani yechish uchun oldindan o‘rgatilgan model ustiga boshidan o‘qitiladigan
tasniflagich qo‘shiladi. Ya’ni oldin tayyorlangan model parametr(vazn)laridan foydalanib
yangi model yangi ma’lumotlar asosida o‘qitiladi va buning natijasida yangi model mavjud
parametrlarni saqlagan holda yangi kiritilgan malumotlardan kerakli yangi parametrlarni
qo‘shib oladi. Buni 1-rasmda ko‘rsatilgan Konvolyutsion neyron tarmog‘i (CNN-
Convolutional Neural Network) misolida tushintirish mumkin. Dastlab ImageNet tasvirlar
to‘plamida o‘qitilgan model vaznlaridan foydalanib, gistoligik tasvirlarni tasniflash
modelini qurish mumkin. Buning uchun bu tarmoqning dastlabki qatlamlari muzlatilib,
oxirgi qatlamlari yangi tasvirlarda qayta o‘qitiladi. Bundan avval esa bu modelning so‘ngi
chiqish qatlamidagi sinflar soni quyilgan masalaga moslashtiriladi.
1-rasm. 1-avval o‘qitilgan model, 2- avval o‘qitilgan modelning o‘zgartirilgan ko‘rinishi.
Natijada avval katta xajmdagi malumotlarda o‘qitilgan va yaxshi tasniflash
ko‘rsatgichlariga ega modeldan foydalanib, usha vazifaga yaqin tipdagi masalalarni yechish
uchun yangi model olinadi. Bu esa quyilgan masalani yechish uchun ko‘p miqdorda
ma’lumotlarga va katta hisoblash resurslariga ega bo‘lmagan foydalanuvchilarga samarasi
ancha yuqori bo‘lgan modellarni faqatgina o‘zida mavjud malumotlar asosida yaratish va
ishlatish imkoniyatini beradi.