Building powerful image classification models using very little data

看到这里不自觉就想到了一些tricks:

（1）在进行迁移学习的时候，对于数据量小的数据，我们对模型进行finetune的时候，只更新全连接层的参数，不赞同更新整个模型的参数。

（2）对于数据量稍微大的点，对模型进行fine-tune时候，可以自行设置多往前更新几层的参数，不赞同更新整个模型参数。

（3）对数据量大的时候，我们才考虑更新整个模型的参数。

（4）当数据量足够大的时候，不需要迁移学习，直接训练整个模型就可以了。

下面的例子可以证明我的观点：

Building powerful image classification models using very little data：Here。