迁移学习和线性分类器
Transfer Learning and linear classifier
在 cs231n 讲义 here 中，它说
New dataset is small and similar to original dataset. Since the data
is small, it is not a good idea to fine-tune the ConvNet due to
overfitting concerns... Hence, the best idea might be to train a
linear classifier on the CNN codes.
我不确定线性分类器是什么意思。线性分类器是指最后一个全连接层吗？ （比如Alexnet中有3个全连接层，线性分类器是不是最后一个全连接层？）
通常当人们说 "linear classifier" 时，他们指的是 Linear SVM (support vector machine)。线性 class 学习器学习权重向量 w 和阈值（又名 "bias"）b 这样对于每个示例 x
<w, x> + b
对 "positive" class 为正，对 "negative" class 为负。
神经网络的最后（通常是完全连接的）层可以被认为是线性 classifier 的一种形式。
在 cs231n 讲义 here 中，它说
New dataset is small and similar to original dataset. Since the data is small, it is not a good idea to fine-tune the ConvNet due to overfitting concerns... Hence, the best idea might be to train a linear classifier on the CNN codes.
我不确定线性分类器是什么意思。线性分类器是指最后一个全连接层吗？ （比如Alexnet中有3个全连接层，线性分类器是不是最后一个全连接层？）
通常当人们说 "linear classifier" 时，他们指的是 Linear SVM (support vector machine)。线性 class 学习器学习权重向量 w 和阈值（又名 "bias"）b 这样对于每个示例 x
<w, x> + b
对 "positive" class 为正，对 "negative" class 为负。
神经网络的最后（通常是完全连接的）层可以被认为是线性 classifier 的一种形式。