深度学习｜9.7迁移学习transfer learning

迁移学习

迁移学习的定义

迁移学习是指将针对某项任务学习到的知识应用到其他任务的问题解决中去。

如何实现迁移学习

可以下载别人训练好的网络，保留网络中训练好的参数（参数分两种，一种是人为设置好的超参数，另外一种是在训练过程中学习/调整到的参数）
注意的是，原先训练好的网络可能会有多个输出结果，而某次任务所需的结果可能只是其中的一个子集，也就是说需要修改原先的softmax层，也就是说，

也可以去掉一些层，然后进行训练。

为什么要选择迁移学习？

可以站在巨人的肩膀上，省去了训练过程所消耗的时间，从而加速完成自己的分类目标。
训练的过程并不是一个一蹴而就的过程，是一个相对漫长的过程，因为训练所需要用到的数据集可能是很大的，提取信息本身也消耗时间，数据在层内进行计算，层间传递也是需要时间。