什么是迁移学习，基础定义、作用

迁移学习是一种机器学习方法，就是把为任务 A 开发的模型作为初始点，重新使用在为任务 B 开发模型的过程中。 深度学习中在计算机视觉任务和自然语言处理任务中将预训练的模型作为新模型的起点是一种常用的方法，通常这些预训练的模型在开发神经网络的时候已经消耗了巨大的时间资源和计算资源，迁移学习可以将已习得的强大技能迁移到相关的的问题上。

中文名: 迁移学习

外文名: Transfer learning

定义: 把为任务A开发模型作为初始点，重用在为任务B开发模型的过程中

常用方法: 开发模型的方法、预训练模型的方法

性质: 一种机器学习方法