预训练与微调迁移学习 一般而言，我们可以根据一个已经训练过的、比较满意的模型进行训练调整，作用于新的数据集，这就是预训练与微调。当，我们的预训练模型的权重使用在新的数据集中，这个就是迁移学习的体现。 很少人会仅仅使用自己的资源进行训练卷积神经网络，个体拥有的数据资源是有限的，但是如ImageNet拥有的资源是有120 万张图片等级的规模，所以理论上使用库提供的预训练模型可以节省时间、提高精度，再不济也可以使用自己的预训练模型。