今天教大家一個小技巧，在你沒有足夠的訓練樣本時，想訓練一個模型，樣本數量可能讓模型連基本特徵都學不到，遷移 學習則可以在此處使用，使用別人預先用別的資料集訓練而成的模型，利用模型已經在別的訓練及學習到的基礎特徵，然後用你的資料集再次訓練，將模型進行微調，可以在較少樣本時得到一個還算滿意的結果，要注意的是，如果兩個資料集的目標群相差過大，那遷移學習可能就沒有太大幫助，抑或是你的資料集有足夠數量，那直接搭建模型開始訓練即可。
Keras有一系列較為有名，或在比賽上有得到不錯名次的模型架構，然後以imagenet的資料集訓練完成的模型權重可以取用，選擇使用此權重來做你的模型的初始化即是遷移學習，抑或是你擁有足夠數量的資料集，則可以只使用這個模型的架構，權重就隨機初始化即可。
各位可以先去Keras文檔看看有哪些可供取用的模型，試著查詢看看這些模型的故事，明天再來幫大家介紹。
iThome鐵人賽
看影片追技術