【失踪人口回归】聊聊迁移学习

迁移学习是一个未来重要的技术发展趋势，之前其实我也讲过一次关于迁移学习的东西，当然对于这个领域我自己也是小白，今天看到一个特别好的关于迁移学习的case，分享一下

一

背景

首先好久没给大家更新了，最近的话研究的东西比较杂，在学习garageband的编曲，也在苦练英语口语，然后加上最近确实工作比较忙，每天都要弄到8点以后，所以更新慢了点。

说到迁移学习无非就是一种机器学习领域常用的思路，站在巨人的角度去思考，任何人站在姚明的肩膀上都能扣篮~

Transfor Learning讲究的是保留两种模型训练场景下的共同点，然后针对上层的业务区别去做差异化训练。 举个例子，大家都知道Alphago会下围棋，那么如果我想教Alphago象棋的话需要Alphago从下棋的最基础逻辑从头学习么。

Of course not，因为围棋和象棋有很多共同点，最好的解决方案就是保留下棋逻辑底层相同的部分，只针对象棋和围棋的差一点做模型训练。但是如何抽象两种模型间差异的上层业务逻辑呢，这是个难题，在第二节有个生动的例子给大家介绍。

二

老虎和猫

在这里首先感谢莫烦老师，他的机器学习课真的很赞，安利一下：

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-16-transfer-learning/

首先迁移学习一定要有一个基础模型，在这个例子中基础模型就是一个老虎和猫二分类的Vgg模型，通过这个模型可以精准的做分类。接着我们要在这个场景的基础上去做一个猫或者老虎的体长预测。

于是乎可以借助Vgg的前半部分先把图片做分类，找出是猫还是老虎，然后加一个回归层，这一层主要做的事情是针对找出的猫或者老虎来预测体长。这样就达到了迁移学习的效果，提倡计算是在二分类模型基础上去预测，而不是那种一堆老虎和猫的体长数据从头训练。

我觉得这个case非常秒，可能讲的比较生涩，大家可以去莫烦老师的网站学习下，有教学视频和代码的。