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。