毫无疑问，您接触过的大多数人工智能(AI)项目都是基于监督学习技术构建的。从本质上来讲，监督学习是指从无到有构建机器学习(ML)模型，是迄今为止推动AI发展的关键方法，其发挥作用的前提在于能够访问大量的大型数据集和增强计算能力。但由于缺乏资源，许多AI项目未能取得成功，在这种情况下,人们希望能有一种更高效的方法来构建模型。幸而，我们可以用其他方法来代替监督学习方法，在保证AI项目质量的前提下，减少项目所需的时间、金钱和人力。
近来，由于技术专家开始探寻优化ML模型的新方法，作为一种机器学习技术，利用自己的训练数据来实现迁移学习以及实现对预训练模型的使用开始备受关注。迁移学习不需要从零开始，可以减少AI项目启动初期的投资。通过迁移学习，ML的可用范围扩大，这促使更多的公司启动AI项目，并全面加速了AI的采用。
什么是迁移学习？
迁移学习是一种ML方法，是将针对某项任务训练的模型用作解决其他不同但相关任务的起点。预训练模型可能无法100%准确地完成新任务，因此需要经常修正模型，并利用为当前用例设计的数据来训练模型，以便微调模型。例如，您可能有一个已受过训练可识别家猫的模型。迁移学习涉及到重新使用这个模型，对其进行微调，使其可以成功识别山猫。
How to Use Pre-trained Models
如何使用预训练模型
利用预训练模型来进行迁移学习的过程如下:
