迁移学习 特征提取&微调

迁移学习 特征提取&微调 迁移学习 特征提取 微调 迁移学习 迁移学习是把预训练好的模型迁移到新的任务上。 在神经网络迁移学习中，有两个应用场景：特征提取和微调 特征提取 特征提取：冻结除了全连接层之外的左右网络的权重。最后一个全连接层被替换为具有随机权重的新层，并且仅训练该层。 在特征提取中，可以在预先训练好的网络结构后，修改或添加一个简单的分类器，将源任务上的预先训练好的网络作为另一个目标任务

>>阅读原文<<