预训练(pre-training/trained)与微调(fine tuning)

                    版权声明：本文为博主原创文章，引用时请附上链接。                        https://blog.csdn.net/abc13526222160/article/details/89320108                    </div>
                                                <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-cd6c485e8b.css">
                                                        <div id="content_views" class="markdown_views prism-dracula">
                    <!-- flowchart 箭头图标 勿删 -->
                    <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                        <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                    </svg>
                    <p></p><div class="toc"><h3><a name="t0"></a>文章目录</h3><ul><ul><ul><li><a href="#_1" rel="nofollow" target="_self">一、什么是预训练和微调？</a></li><li><a href="#_7" rel="nofollow" target="_self">二、预训练和微调的作用</a></li></ul></ul></ul></div><p></p>

一、什么是预训练和微调？

• 预训练（$pre-training/trainedpre-training/trainedpre-training/trained$Inception 等模型都提供了自己的训练参数，以便人们可以拿来微调。这样既节省了时间和计算资源，又能很快的达到较好的效果。

• 参考文献： https://www.jianshu.com/p/330ee6e7ceda

                </div>
                <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e44c3c0e64.css" rel="stylesheet">
                                </div>