التعلم بالنقل والضبط الدقيق

الهدف: تكييف نموذج مُدرَّب مسبقاً ببيانات قليلة دون تدمير مكتسباته.

ينطلق النقل (Transfer) من نموذج دُرِّب على مصدر كبير ثم يُكيَّف للمهمة الهدف. كثيراً ما تكون التمثيلات البصرية أو اللغوية الأولى قابلة لإعادة الاستخدام.

نظامان

1. مستخرج مُجمَّد (Frozen extractor): نُبدِّل الرأس ونُدرِّب هذا الرأس وحده.
2. الضبط الدقيق (Fine-tuning): نُذيب جزءاً أو كامل الشبكة عادةً بمعدّل تعلم أصغر.

from torchvision.models import resnet18, ResNet18_Weights
from torch import nn

model = resnet18(weights=ResNet18_Weights.DEFAULT)
for p in model.parameters():
    p.requires_grad = False
model.fc = nn.Linear(model.fc.in_features, 5)

ينبغي أن يتلقّى المحسِّن المعاملات القابلة للتدريب فقط. بعد إذابة (Unfreeze) المعاملات، أعِد إنشاء المحسِّن أو حدِّثه ليرى المعاملات الجديدة.