遷移學習和finetune的區別及遷移學習代碼實現

一：區別 1：遷移學習是將已經學習到的知識應用到其他領域，比如通用的語音模型遷移到某個人的語音模型上。      遷移學習就是將一個問題上訓練好的模型通過簡單的調整使其適用於一個新的問題。     例如利用ImageNet數據集上訓練好的Inception-V3模型來解決一個新的圖像分類問題，可以保留訓練好的Inception-v3模型中所有卷積層的參數，只是替換最後一層全連接層，在最後這一層全連

>>阅读原文<<