迁移学习

ps: 此专题为AI领域经典算法书籍及论文解析与代码复现，AI算法讲解。欢迎关注知乎专栏《致敬图灵》
https://www.zhihu.com/people/li-zhi-hao-32-6/columns
微信公众号：‘致敬图灵’。

1.迁移学习是什么

​ 迁移学习是一种站在巨人肩膀上的学习方法，即借用之前相似任务训练好的神经网络进行模型的训练。比如之前做过一个猫狗分类的神经网络A，而现在要做数字1-10的图片分类的神经网络B，那么B就可以使用之前的猫狗分类形成的神经网络A，B神经网络的前面几层都与A神经网络的参数及结构保持一致，只对最后的输出层进行训练。从而达到节省时间的目的。迁移神经网络的新的应用还有 多任务学习, 或者强化学习中的 learning to learn, 迁移机器人对运作形式的理解, 解决不同的任务. 炒个蔬菜, 红烧肉, 番茄蛋花汤虽然菜色不同, 但是做菜的原则是类似的（参考莫烦python）。

2.迁移学习代码示例

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-16-transfer-learning/