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。”