Fine-turning（Tensorflow-Slim和Keras的遷移學習）

遷移學習是什麼？ 即：舉一反三。即將已經訓練好的模型稍加調整（fine-turning）即可應用於一個新的領域或者任務。 遷移學習爲什麼重要？ 機器學習的默認假設，訓練樣本和測試樣本滿足獨立同分布的前提是訓練樣本足夠。 數據的稀缺性。如在想要做醫學領域的圖像處理，所能得到的樣本是極端的不平衡，重要的樣本太少，無法訓練出一個效果好的網絡。 標記的困難性。大數據時代動輒億萬數據，標記起來太費時費力。

>>阅读原文<<