理工酷

迁移学习是一种机器学习技术，在训练一种类型的问题时获得的知识可以用于训练另一种类似类型的问题。

对于深度学习，通过训练前几层来识别问题的特征，在迁移学习中，你可以删除受训网络的最后几层，并为目标工作重新训练新的层。

下面我将用通俗的语言解释：

你已有了区分腐烂马铃薯和新鲜马铃薯的学习经验，现在必须区分烂番茄和新鲜番茄。在学习烂土豆的过程中，你已经提取了一些知识，例如，如果任何蔬菜烂了，就会流出液体。因此，如果你可以在烂番茄识别工作中使用这些知识，那么你正在使用迁移学习技术。

迁移学习的优势：

在学习过程中，你可能需要数千个烂土豆和新鲜马铃薯，以及数小时的训练才能学习。但是，现在，利用对腐烂特征的了解，你可以用更少的样本和更少的培训时间识别出腐烂的番茄。你可能只在白天有足够光线的环境下进行了学习，但是你目前也可以在晚上鉴定番茄。

因此，迁移学习能够使你确定某些通用功能后，将其作用于其他目标作业。