理解深層神經網絡中的遷移學習及TensorFlow實現

什麼是遷移學習 在深度學習中，所謂的遷移學習是將一個問題A上訓練好的模型經過簡單的調整使其適應一個新的問題B。在實際使用中，每每是完成問題A的訓練出的模型有更完善的數據，而問題B的數據量偏小。而調整的過程根據現實狀況決定，能夠選擇保留前幾層卷積層的權重，以保留低級特徵的提取；也能夠保留所有的模型，只根據新的任務改變其fc層。python 遷移學習的做用 那麼對於不一樣的任務，爲何不一樣的模型間能夠

>>阅读原文<<