迁移学习
在imagenet上学习的模型也能用于其他的分类任务(比如医学的肿瘤发现等) ,但实际问题,往往是小样本数据,迁移学习的发展显得格外有意义。
2017年初,吴恩达接受技术研究和分析公司Gigaom的专访时,说到“迁移学习是未来五年的重要研究方向”,目前国内香港科技大学的杨强教授,在公开演讲中多次介绍迁移学习。
迁移学习广泛存在于人类的活动中,两个不同的领域共享的因素越多,迁移学习就越容易,否则就越困难,甚至出现“负迁移”,产生副作用。
例子
一个人要是学会了自行车,那他就很容易学会开摩托车;一个人要是熟悉五子棋,也可以轻松地将知识迁移到学习围棋中。
但是有时候看起来很相似的事情,却有可能产生“负迁移”,比如,学会自行车的人来学习三轮车反而不适应,因为它们的重心位置不同。”