
IA e computação
Transferir aprendizagem
- Composição:
- pré-treinamento e depois ajuste fino
- Proporção:
- 16:9
Prompt
Crie um esquema de 【aprendizado por transferência】, lido da esquerda para a direita, em dois painéis de luz. Desenhe cada relacionamento exatamente como listado e nada mais:
1. 【Painel esquerdo: um grande conjunto de dados de origem (um grande ícone de banco de dados) → um modelo pré-treinado (uma rede desenhada em azul).】
2. 【Uma seta grossa carrega as camadas pré-treinadas do painel esquerdo para o painel direito.】
3. 【Painel direito: um pequeno conjunto de dados de destino (um pequeno ícone de banco de dados) → a mesma rede, suas primeiras camadas em azul marcadas como congeladas com um pequeno cadeado e sua última camada em laranja → tarefa de destino (uma marca de seleção).】
Não há barras T nesta figura. Não escreva as frases numeradas na figura. Escreva cada rótulo apenas uma vez em toda a figura.
Rótulos (use cada um apenas uma vez, sem adicionar outro texto): 【Source dataset, Pretrained model, Target dataset, Frozen layers, Fine-tuned layer, Target task】.
Estilo: diagrama esquemático estilo diário. Limpe gráficos vetoriais planos em um fundo branco. Os módulos são retângulos arredondados ou ícones simples com seus nomes curtos dentro; painéis em tons pastéis claros agrupam camadas relacionadas. Apenas 3-4 cores suaves, cada uma com um significado fixo. Setas finas e uniformes mostram o fluxo de dados, energia, material ou influência; setas tracejadas para links indiretos ou de feedback. Somente rótulos sem serifa em inglês, cada rótulo aparece exatamente uma vez, escrito exatamente como indicado. Sem renderização 3D, sem sombras, sem brilho, sem decoração cyberpunk ou de fundo tecnológico, sem fotorrealismo.
Abre a Yila com este prompt e o exemplo como imagem de referência.
Os exemplos foram gerados com Nano Banana. O prompt também funciona com GPT Image e outros modelos de imagem; os resultados variam conforme o modelo.






