迁移学习和finetune的区别及迁移学习代码实现

一：区别 1：迁移学习是将已经学习到的知识应用到其他领域，比如通用的语音模型迁移到某个人的语音模型上。      迁移学习就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。     例如利用ImageNet数据集上训练好的Inception-V3模型来解决一个新的图像分类问题，可以保留训练好的Inception-v3模型中所有卷积层的参数，只是替换最后一层全连接层，在最后这一层全连

>>阅读原文<<