迁移学习基础知识

简介

使用迁移学习的优势：

1、能够快速的训练出一个理想的结果

2、当数据集较小时也能训练出理想的效果。

注意：在使用别人预训练的参数模型时，要注意别人的预处理方式。

原理：

对于浅层的网络结构，他们学习到的角点信息和纹理信息都是通用的，将学习好的浅层网络的信息迁移到新的网络中，这样新的网络也拥有了识别底层通用特征的能力，从而能加快网络学习新的数据集的高维特征。

常见的迁移学习的方式：

1、载入权重后训练所有参数 

2、载入权重后只训练最后基层参数

3、载入权重后在原网络基础上再添加一层全连接层，仅训练最后一个全连接层。

（设备有限且需要在很短时间内得到一个比较理想的结果使用第2或第3个方式；硬件设备不受限且希望得到一个最优的结果，使用第1种方式进行训练）

 

后续知识再接着补充。。。