迁移学习(概念)：
就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。根据论文DeCAF中的结论，可以保留训练好的Inception-3模型中所有卷积层的参数，只是替换最后一层全连接层，在最后这一层全连接层之前的网络层称之为瓶颈层。
将新的图像通过训练好的卷积神经网络直到瓶颈层的过程可以看成是对图像进行特征提取的过程。在训练好的Inception-3模型中，因为将瓶颈层的输出再通过一个单层的全连接层神经网络
标签：训练 gpo 全连接 网络 class 论文 问题 模型 color
迁移学习(概念)：
就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。根据论文DeCAF中的结论，可以保留训练好的Inception-3模型中所有卷积层的参数，只是替换最后一层全连接层，在最后这一层全连接层之前的网络层称之为瓶颈层。
将新的图像通过训练好的卷积神经网络直到瓶颈层的过程可以看成是对图像进行特征提取的过程。在训练好的Inception-3模型中，因为将瓶颈层的输出再通过一个单层的全连接层神经网络
标签：训练 gpo 全连接 网络 class 论文 问题 模型 color
原文地址：https://www.cnblogs.com/xiaochouk/p/8481708.html
