এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
বৈষম্যমূলক শিক্ষার হার
নেটওয়ার্কের স্তরগুলিতে বিভিন্ন শিক্ষার হার প্রয়োগ করা ফাইন-টিউনিং কৌশল, সাধারণত প্রাক-প্রশিক্ষিত স্তরগুলির জন্য কম হার এবং নতুন স্তরগুলির জন্য উচ্চ হার ব্যবহার করা হয়।
স্তর হিমায়ন (লেয়ার ফ্রিজিং)
প্রশিক্ষণের সময় প্রাক-প্রশিক্ষিত মডেলের নির্দিষ্ট স্তরগুলির ওজন (গ্রেডিয়েন্ট) আপডেট অক্ষম করার কৌশল, যাতে শেখা সাধারণ বৈশিষ্ট্যগুলি সংরক্ষিত থাকে।
শনাক্তকরণ হেড
ব্যাকবোন নেটওয়ার্কের শেষে যোগ করা মডিউল, বিশেষভাবে শনাক্তকৃত বস্তুর বাউন্ডিং বক্স এবং সম্ভাব্যতা শ্রেণী ভবিষ্যদ্বাণী করার জন্য প্রশিক্ষিত।
ক্রমাগত পুনঃপ্রশিক্ষণ
ফাইন-টিউনিং পদ্ধতি যেখানে মডেলটি প্রথমে উপরের স্তরগুলি হিমায়িত রেখে প্রশিক্ষিত হয়, তারপর নিম্ন স্তরগুলি ধীরে ধীরে খোলা হয় আরও সূক্ষ্ম সমন্বয়ের জন্য।
ইমেজনেট ওজন
ইমেজনেট ডেটাসেটে (১.২ মিলিয়ন ছবি, ১০০০ শ্রেণী) প্রাক-প্রশিক্ষিত প্যারামিটার, সাধারণত ট্রান্সফার লার্নিংয়ে কম্পিউটার ভিশন মডেলের জন্য শুরুর বিন্দু হিসেবে ব্যবহৃত হয়।
ডোমেইন পক্ষপাত
উৎস ডোমেইন (যেখানে মডেল প্রাক-প্রশিক্ষিত) এবং লক্ষ্য ডোমেইন (যেখানে এটি মোতায়েন করা হয়) এর মধ্যে ডেটার পরিসংখ্যানগত বন্টনের পদ্ধতিগত পার্থক্য।