在别人的网络上微微改动①去尾巴，得特征，换线性分类器②去尾巴和一点卷积层，得泛化特征
以下是常见的两类迁移学习场景：
1 卷积网络当做特征提取器。
拿掉全连接层，剩余部分当做特征提取器
这样提取的特征叫做CNN codes。
再线性分类器（Liner SVM、Softmax等）来分类图像。
2 Fine-tuning卷积网络。
直接换数据训练，用网络的全部层/部分层
前面的层提取的特征粗粒度啦——泛化性好
后面的层详细——9类啥的
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
