Je hebt een vooraf getraind hybride model dat bestaat uit een CNN gevolgd door een 3-laags RNN, getraind om een andere set objecten te classificeren. Welke acties moet je ondernemen om dit met de minste moeite aan te passen aan een nieuwe, maar gerelateerde classificatietaak? (Kies er twee.)

De juiste antwoorden beschrijven transfer learning, een efficiënte methode voor gerelateerde taken. Door de laatste laag van het CNN opnieuw te initialiseren en te trainen, past u de feature-extractie van het CNN aan de nieuwe objectklassen aan, terwijl de geleerde algemene kenmerken behouden blijven. Het opnieuw initialiseren van de laatste laag van het RNN en het opnieuw trainen van het hele model (met het bevroren CNN) stelt het RNN in staat om de sequentiële patronen voor de nieuwe voorspellingstaak te leren, voortbouwend op de reeds geleerde kenmerken van het CNN. De andere opties zijn minder efficiënt: het opnieuw initialiseren van het hele netwerk of grote delen ervan negeert de voordelen van het vooraf getrainde model en vereist meer rekencapaciteit en data.