什么是迁移学习（Transfer Learning）？【知多少】

利用已有的经验解决相似任务是人类与生俱来的能力

在机器中有不少任务是相似的

how to learn

卷积神经网络的前几层是在提取图像特征，直到最后的全连接层才进行分类。

提取特征的过程很是相似

所以可以讲训练好的猫狗分类网络的前几层拿出来直接使用，再用苹果与梨的数据，训练性的全连接层完成分类。

利用数据，任务，模型间的相似性，讲训练好的内容应用到新的任务上被称为迁移学习

由于这一过程发生在两个领域间，已有的知识和数据，也就是被迁移的对象被称为源域，被赋予“经验”的领域被称为目标域。

迁移学习不是具体的模型，更像是解题思路，我们使用迁移学习的原因有很多，

比如目标领域的数据太少，需要标注数据更多的源域的帮助，

有时是为了节约训练时间，有时是为了实现个性化应用

语聊匮乏之间的小语种之间的翻译，

缺乏标注的医疗影像数据识别

面向不同领域快速部署对话系统都是迁移学习擅长的应用

之前见过的transformerBert这类预训练语言模型微调后可以完成不同的任务。正是迁移学习在NLB领域的应用