1. 迁移学习概念
-
核心思想：利用预训练模型作为基础，在其基础上进行微调，而非从零开始训练。就像造直升机时参考苏联工程师的设计，或高考时参考状元的答卷进行修改。
-
优势：当数据量较少时（如花朵分类任务），直接使用ImageNet等大数据集预训练的特征提取能力，可以显著提升模型性能。
-
关键比喻：
- 造原子弹：从零开始极其困难，但基于前人研究就相对可行
- 学自行车：父亲先扶着骑（预训练），然后逐渐放手（微调）
- 高考答卷：参考状元答案框架（特征提取），但修改具体内容（输出层）
预训练模型
预训练模型：esnet、alexnet、vgg等
