遷移學習與圖像分類

我們在上一節提到了遷移學習與計算機視覺 這一節爲大家詳細介紹其中的原理 7.2 計算機視覺遇上遷移學習 遷移學習(Transfer Learning) 顧名思義就是將訓練好的模型（預訓練模型）參數遷移到新的模型來優化新模型訓練。因爲大部分的數據和任務都是存在相關性的，所以我們可以通過遷移學習將預訓練模型的參數（也可理解爲預訓練模型學到的知識）通過某種方式遷移到新模型，進而加快並優化模型的學習效率。

>>阅读原文<<