迁移学习像借大厨笔记，预训练模型稍作调整即可上手新任务

迁移学习（Transfer Learning）是复用已有模型（如识别1000种物体）练出的知识、再对少量新数据微调的方法，核心能力包括复用预训练参数、冻结网络层只微调末端、少量数据即可训练，解决新任务数据稀缺、从零训练成本高的问题，并不解决预训练与新任务领域差距过大导致的失效。

迁移学习就是这样的“借书”过程。AI先在一个大任务上练出本事（比如识别1000种物体），然后把这些“大师笔记”（预训练模型）借来，稍加调整，就能干新活儿（比如识别猫狗）。这招特别适合数据少的场景——现实中，谁有闲工夫给AI准备几百万张照片啊？迁移学习让AI站在巨人的楼梯上，少走弯路。