迁移学习 Transfer learning

把已经训练好的模型参数迁移到新的模型上来帮助新模型训练，从而加快并优化模型的学习效率。避免了从零开始学习。

（前提是两个模型的大致方向都是一样的，比如说都是做动物的目标检测，这样便于数据集的训练）

在网络架构上前几层都不变，在最后一层稍作修改就可以了。

 

比方说我现在要开一家自营奶茶店，但是苦于没有任何经验和管理模式，于是我就先照搬「喜茶」的管理模式。虽然后期还是得切合自身实际，需要有一些改动，但是起码有模式总比没有好。

刚开始接触，暂且就把它理解为是一个「模型迁移」的概念。