需要迁移学习的原因:大多数场景的数据量很小,不足以重头开始训练一个新的CNN,且花费很多时间
迁移学习分为两类:
- finetuning:在新的任务上更新预训练模型(pretrained model)的所有参数
- feature extraction:固定预训练模型前面卷积层的参数不变,只更新最后全连接层(输出层)的权重。叫此方法为feature extraction是因为将预训练的卷积层作为一个固定的feature-extractor,只改变输出层
需要迁移学习的原因:大多数场景的数据量很小,不足以重头开始训练一个新的CNN,且花费很多时间
迁移学习分为两类: