التضمينات مقابل الضبط الدقيق
تعرف على الفرق بين مفهومين أساسيين في التعلم الآلي - التضمينات والضبط الدقيق.
سنغطي ما يلي...
لقد تعلمنا ما يكفي عن التضمينات في الدروس السابقة. لنلخص ما درسناه حتى الآن.
التضمينات هي تمثيلات متجهية كثيفة للبيانات، تُجسّد المعنى الدلالي وتُسهّل العمل مع أنواع بيانات مختلفة، مثل النصوص والصور والفيديوهات والصوت، وغيرها. غالبًا ما تُولّد التضمينات باستخدام نماذج تعلّم آلي مُدرّبة مسبقًا. في الدروس السابقة، استكشفنا توليد التضمينات لأنواع مختلفة من البيانات باستخدام نماذج مُدرّبة مسبقًا. سنركز الآن على الضبط الدقيق، وهي تقنية تُستخدم لتكييف النماذج المُدرّبة مسبقًا لتحسين أدائها في مهام مُحدّدة باستخدام مجموعات بيانات مُخصّصة.
ما هو الضبط الدقيق؟
يتضمن الضبط الدقيق أخذ نموذج مُدرَّب مسبقًا وإعادة تدريبه على مجموعة بيانات أصغر مُخصصة لمهمة مُحددة لتحسين أدائه في تلك المهمة. تُمكّن هذه العملية النموذج من تعلّم الفروق الدقيقة والأنماط الخاصة بالبيانات الجديدة، مما يُعزز دقته وفعاليته.
يُعد الضبط الدقيق مفيدًا بشكل خاص عندما يكون لدينا نموذج مُدرَّب مسبقًا يُؤدِّي أداءً جيدًا في المهام العامة، ولكننا نريد تخصيصه لحالة استخدام مُحدَّدة. من خلال الضبط الدقيق للنموذج، يُمكننا تحقيق نتائج أفضل دون الحاجة إلى تدريب نموذج جديد من الصفر، مما يُوفِّر الوقت والموارد الحاسوبية.
ضبط CLIP بدقة على مجموعة البيانات المخصصة
لنستعرض مثالاً ...