Tensorflow 2|减少网络学习成本，实现迁移学习

今天我们来实现迁移学习。

迁移学习(Transfer learning) 顾名思义就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务都是存在相关性的，所以通过迁移学习我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型从而加快并优化模型的学习效率不用像大多数网络那样从零学习。

感兴趣的同学可以去了解一下迁移学习的基本概念。下面我们将用Tensorflow 2来完成一次迁移学习。部分内容与上期重复，可选择的跳过。

导入必要的库

import os
import warnings
warnings.filterwarnings('ignore')
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras