什么是迁移学习（Transfer Learning）？

迁移学习（Transfer Learning）是把模型在源任务上学到的参数与特征复用到新任务的方法，核心能力包括预训练模型复用（如在识别1000种物体上预训练）、轻量微调与跨域迁移，解决的是从零训练数据量与算力成本过高的问题，并不解决源域与目标域差异过大时迁移效果衰减的问题。

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。

明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。