迁移学习

所谓迁移学习是指针对新问题重新使用预先训练的模型。由于它能用较少的数据训练深度神经网络，这使得目前它在深度学习领域非常流行。通过这篇文章您将会了解什么是迁移学习，它是如何工作的，为什么应该使用它以及何时可以使用它。同时这篇文章将向您介绍迁移学习的不同方法，并为您提供一些已经预先训练过的模型的资源。

目录：

1.   它是什么？

2.   怎么运行的

3.   你什么时候应该使用它

4.   迁移学习的方法（训练一个模型以重用它，使用预训练模型，特征提取）

5.   受欢迎的预训练模型

它是什么？

在迁移学习中，能够使用预先训练模型的问题只能是与之不同但相类似的问题。比如，您训练了一个简单的分类器来预测图像中是否有背包，则可以使用模型在训练过程中获得的知识来识别太阳镜等其他物体。

迁移学习的总体思路是利用已有知识，即一个模型从一项任务中学到的很多被标