Welke beschrijving van transfer learning, waarbij een model dat op een grote hoeveelheid gegevens is getraind met weinig gegevens voor een andere taak wordt gebruikt, is juist?

Antwoord: A. Uitgaande van de gewichten van het getrainde model wordt de uitvoerlaag vervangen om bij de nieuwe taak te passen, of wordt een deel of het geheel van het model op de nieuwe gegevens bijgetraind (fine-tuning)

Transfer learning benut de kenmerken die een model bij één taak heeft geleerd voor een andere taak. De lagen dicht bij de invoer van een CNN dat op zeer veel beelden is getraind, kunnen bijvoorbeeld algemene kenmerken zoals randen en texturen extraheren; daarom wordt alleen de uitvoerlaag vervangen en voor de nieuwe taak getraind, of wordt het hele netwerk met een kleine leersnelheid bijgetraind (fine-tuning). Zo wordt met minder gegevens en rekenwerk dan bij trainen vanaf nul gemakkelijk een hoge prestatie bereikt; de methode wordt ook gebruikt om taalmodellen op specifieke toepassingen af te stemmen.