迁移学习

迁移学习：
对于迁移学习，我们可以使用Google 发布的Inception或VGG16这样成熟的物品分类的网络，只训练最后的softmax层，你只需要改几千张图片，使用普通的CPU就能完成，而且模型的准确性不差。

迁移学习的方法：
**1.对整个网络进行微调，**假设你义训练好了识别猫品种的神经网络，你的网络能识别50种猫按品种进行分类，接下来你想对网络进行升级1.0简单版本，2.0版本通过对其它层的权重固定，只训练一层这样的逐层训练，可以更好的完成上述任务
**2.借用网络的结构，**不是使用已训练好的网络的权重，而是使用相同的网络结构，例如多少层，每层多少节点这样的信息，然后使用随机生成的权重作为训练的起点。例如你要训练世界上第一个识别image的神经网络，你就可以借鉴识别X光图片的神经网络。