« Peaufinage » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
En [[apprentissage automatique]] le réglage fin désigne aussi le processus de mise au point d'un modèle d'[[apprentissage par transfert]] avec des données spécifiques.  
En [[apprentissage automatique]] le peaufinage désigne aussi le processus de mise au point d'un modèle d'[[apprentissage par transfert]] avec des données spécifiques.  


La notion de réglage fin (''fine tuning '') désigne une situation où un certain nombre de paramètres doivent avoir une valeur très précise pour pouvoir rendre compte de tel ou tel phénomène observé.
La notion de peaufinage (''fine tuning '') désigne une situation où un certain nombre de paramètres doivent avoir une valeur très précise pour pouvoir rendre compte de tel ou tel phénomène observé.


== Français ==
== Français ==
Ligne 16 : Ligne 16 :
<small>
<small>
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville, Massot éditions & Quantmetry, 2018 ]
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville, Massot éditions & Quantmetry, 2018 ]
[https://en.wikipedia.org/wiki/Fine-tuning_(deep_learning) Source : Wikipedia]


[[Catégorie:App-profond-livre]]  
[[Catégorie:App-profond-livre]]  
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Version du 1 août 2023 à 14:08

Définition

En apprentissage automatique le peaufinage désigne aussi le processus de mise au point d'un modèle d'apprentissage par transfert avec des données spécifiques.

La notion de peaufinage (fine tuning ) désigne une situation où un certain nombre de paramètres doivent avoir une valeur très précise pour pouvoir rendre compte de tel ou tel phénomène observé.

Français

peaufinage

réglage fin

ajustement fin

Anglais

fine-tuning

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville, Massot éditions & Quantmetry, 2018

Source : Wikipedia