pytorch 迁移学习[摘自官网]

迁移学习包含两种：微调和特征提取器。

微调：对整个网络进行训练，更新所有参数

特征提取器：只对最后的输出层训练，其他层的权重保持不变

当然，二者的共性就是需要加载训练好的权重，比如在ImageNet上训练过的vgg,resnet等等。

那么，不管是微调还是特征提取器，大致都要遵从四个步骤。

1. 初始化预训练的模型，即将预训练的权重加载进来
2. 将最后的输出层维度改为我们期望的维度，从ImageNet预训练好的输出维度为1000，要根据需求进行更改
3. 定义需要优化的参数，这里是微调和特征提取器的不同之处
4. 进行训练