Keras深度学习实战（10）——迁移学习详解

0. 前言

在《卷积神经网络的局限性》中，我们看到从零开始训练卷积神经网络 (Convolutional Neural Network, CNN) 模型时，可能会遇到以下一些问题：

• 训练数据集中图像数量不足，使得模型难以学习
• 当图像尺寸很大时，卷积可能无法学习图像中的所有特征

第一个问题可以通过对增加数据集中的数据量来解决(即数据增强)，第二个问题可以通过在更深的网络架构上训练更多的 epoch 来解决(即增加训练量)。尽管我们能够通过执行所有这些操作来解决上述问题，但通常情况下，我们可能无法获取更多的训练数据。在这种情况下，使用预先训练完成的模型进行迁移学习将能够快速解决上述问题。

1. 迁移学习

1.1 迁移学习原理

迁移学习 (Transfer Learning) 是机器学习中的一个重要研究方向，研究如何将在任务 A 上学到的知识迁移至任务 B，例如任务 A 为猫狗分类，任务