遷移學習：數據不足時如何深度學習

使用深度學習技術解決問題的過程中，最常見的障礙在於訓練模型過程中所需的海量數據。需要如此多的數據，原因在於機器在學習的過程中會在模型中遇到大量參數。在面對某一領域的具體問題時，通常可能無法得到構建模型所需規模的數據。然而在一個模型訓練任務中針對某種類型數據獲得的關係也可以輕鬆地應用於同一領域的不同問題，這就是所謂的遷移學習。 我認爲實現人工智能的難度無異於建造火箭。需要有一個強大的引擎，還有大量的

>>阅读原文<<