迁移学习简介

迁移学习是一种机器学习方法，简单来说就是把任务A开发的模型作为初始点，重新用在任务B上。比如A任务是识别图片中的车辆，而B任务是识别卡车轿车和公交车。

合理使用迁移学习，可以避免针对单个目标任务单独训练模型，从而极大节约计算资源。

在cv和nlp处理任务中，将预先训练好的模型作为新模型的起点是一种常用的方法，通常预训练这些模型往往需要消耗大量的计算资源，迁移学习就是把预训练好的 模型迁移学习到新的任务上。