
IA e informática
Transferir aprendizaje
- Composición:
- preentrenamiento y luego ajuste
- Relación de aspecto:
- 16:9
Prompt
Cree un esquema de 【transferir aprendizaje】, leído de izquierda a derecha, en dos paneles de luz. Dibuja cada relación exactamente como se indica y nada más:
1. 【Panel izquierdo: un conjunto de datos de origen grande (un ícono de base de datos grande) → un modelo previamente entrenado (una red dibujada en azul).】
2. 【Una flecha gruesa lleva las capas previamente entrenadas desde el panel izquierdo al panel derecho.】
3. 【Panel derecho: un pequeño conjunto de datos de destino (un pequeño ícono de base de datos) → la misma red, sus primeras capas en azul marcadas congeladas con un pequeño candado y su última capa en naranja → tarea de destino (una marca de verificación).】
No hay barras en T en esta figura. No escribas las oraciones numeradas en la figura. Escribe cada etiqueta solo una vez en toda la figura.
Etiquetas (usa cada una una sola vez y no añadas otro texto): 【Source dataset, Pretrained model, Target dataset, Frozen layers, Fine-tuned layer, Target task】.
Estilo: diagrama esquemático estilo diario. Limpie gráficos vectoriales planos sobre un fondo blanco. Los módulos son rectángulos redondeados o iconos simples con sus nombres cortos en su interior; paneles de colores pastel claros agrupan capas relacionadas. Sólo 3 o 4 colores apagados, cada uno con un significado fijo. Flechas finas y uniformes muestran el flujo de datos, energía, material o influencia; Flechas discontinuas para enlaces indirectos o de retroalimentación. Etiquetas en inglés sans-serif únicamente, cada etiqueta aparece exactamente una vez y se escribe exactamente como se indica. Sin renderizado 3D, sin sombras, sin brillo, sin decoración de fondo ciberpunk o tecnológica, sin fotorrealismo.
Abre Yila con este prompt y el ejemplo como imagen de referencia.
Los ejemplos se generaron con Nano Banana. El prompt también funciona con GPT Image y otros modelos de imagen; los resultados varían según el modelo.






