小编Niz*_*zam的帖子

我正在学习 GCP，并遇到了 Kuberflow 和 Google Cloud Composer。
据我了解，两者似乎都用于编排工作流程，使用户能够调度和监控 GCP 中的管道。
我能弄清楚的唯一区别是 Kuberflow 部署和监控机器学习模型。我对么？在这种情况下，由于机器学习模型也是对象，我们不能使用 Cloud Composer 来编排它们吗？在管理机器学习模型方面，Kubeflow 如何提供比 Cloud Composer 更好的帮助？

谢谢

我已经在神经网络上玩了很长一段时间了，最​​近在训练神经网络之前遇到了术语“冻结”和“解冻”层，同时阅读有关迁移学习的内容，并且正在努力理解它们的用法。

• 什么时候应该使用冷冻/解冻？
• 哪些层要冻结/解冻？例如，当我导入一个预训练模型并在我的数据上训练它时，除了输出层之外，我的整个神经网络是否都被冻结了？
• 如何确定是否需要解冻？
• 如果是这样，我如何确定要解冻和训练哪些层以提高模型性能？

我是图像处理方面的新手，偶然发现了一个博客，该博客演示了如何使用切片运算符来翻转图像，这是机器学习任务所需要的。

我尝试通过使用 OpenCV 读取 3 通道图像来实现相同的效果，如下所示，但它没有按预期工作！

切片运算符所做的就是将 BGR 图像转换为 RGB 图像（无翻转！）。

import cv2
from matplotlib import pyplot as plt
%matplotlib inline

img = cv2.imread('path_to_image')
img = img[:,:,::-1]
plt.imshow(img)
plt.show()

我在这里错过了什么？？？