迁移学习简介

使用迁移学习的优势：
1.能够快速的训练出一个理想的结果
2.当数据集较小时也能训练出理想的效果
注意：使用别人预训练好的模型参数时，要注意别人的预处理方式。
在迁移学习中，我们希望利用源任务（Source Task）学到的知识帮助学习目标任务 (Target Task)。例如，一个训练好的图像分类网络能够被用于另一个图像相关的任务。下图可以很好的显示了迁移学习的作用：

常见的迁移学习方式：
1.载入权重后训练所有参数（最后一程全连接节点个数修改为自己的种类个数）
2.载入权重后只训练最后几层参数（所训练参数减少，训练时间更快）
3.载入权重后在原网络基础上再添加一层全连接层，仅训练最后一个全连接层
第一种训练效果最好但时间更久一点