遷移學習

定義： 將一個場景中學習到的知識遷移到另一個場景中應用。 遷移學習顧名思義就是把已經訓練好的模型的參數遷移到新的模型來幫助新模型的訓練。考慮到大部分的數據或任務是存在相關性的，所以通過遷移學習我們可以將已經學習到的模型參數，通過某種方式來分享給新的模型，從而加快優化模型的學習效率不用像大多數模型那樣從零開始。 例子： 爲什麼需要遷移學習？ 使用深度學習技術解決問題的過程中，最常見的障礙在於，因爲模

>>阅读原文<<