什么是微调？什么是模型迁移？

1.什么是微调？

这个东西其实和模型迁移是相互连接在一起的，就是你将本身类似的一个东西拿到这里拿过来，在这里再稍微训练一下接着使用了，这里稍微再训练一下就是微调了。

2.为什么微调是有效的？

2.1浅层的网络更适合共用

这里我们注意这样的一个问题，在一个模型当中，我们实际上大约可以从浅到深笼统的将其分成大约三个部分：1.特征提取（1.1浅层提取细节上的信息1.2深层上提取总体的信息）2.结果输出。
这里我们可以看出来浅层网络其实在类似的学习模型中，是比较类似的，所以浅层网络是比较可以共用的。

2.2训练时，不同层之间的训练率差异

我们可以因为梯度会越乘算越小，所以我们在计算的过程中会有梯度消失的现象，虽然我们可以使用ResNet来进行优化，但是实际上浅层网络（在forward的过程中他是浅层，但是在backward的过程中就会变成深层）训练起来会比较慢。

2.3综合起来

本身我们就是想改变深层网络的参数情况，保留浅层网络的参数，训练的特性正好帮我们完成了这件事，所以，非常好。

3.怎么实现