遷移學習在自然語言處理領域的應用

        遷移學習近年來在圖形領域中得到了快速的發展，主要在於某些特定的領域不具備足夠的數據，不能讓深度模型學習的很好，需要從其它領域訓練好的模型遷移過來，再使用該模型進行微調，使得該模型能很好地擬合少量數據的同時又具備較好的泛化能力（不過擬合）。         在遷移學習任務中，需要事先定義一組源數據集合，使用該集合訓練得到預訓練好的模型，該模型具備了源數據集合中的一些知識，在目標數據集

>>阅读原文<<