迁移学习篇之如何迁移经典CNN网络-附迁移学习Alexnet，VGG，Googlenet，Resnet详细代码注释和方法-pytorch_迁移学习cnn

鸽了好久的迁移学习篇学习终于打算更新，这次我们来学习一个机器学习中经典常用的简单快速提高网络指标的trick，迁移学习，迁移学习本身是机器学习中的一个trick，但是近些年在深度学习中应用广泛。之前我在学习迁移学习的时候想做到随便迁移任何一个网络但是我又看不太懂CNN的代码，然后就很懵，这篇博客的目的在于让大家只需要简单修改代码即可实现各种经典CNN网络的迁移。当然迁移学习是一门很大的学科，我们这里只介绍微调的方法。

一般来说不管针对任何数据集，使用迁移学习的方法一定是比不使用迁移学习要效果好的，记住我这里说的是

一定，一定，一定！！！重要的事情说三遍。

好的，废话少说，我们来简单介绍一下迁移学习的概念，迁移学习的思想可以理解成为，我们人类的学习，简单来说如果一个人需要学习python编程语言，但是他从来没有学过任何编程语言，这样他重新开始学编程语言就会学的很慢，但是如果他之前就学过C语言，或者C++，亦或者matlab的脚本语言，那么学python的时候就会很快，对，没错，我们基于已有的知识去重新学习新知识的过程便是迁移学习。

不论是深度学习模型还是各种神经网络，我们都可以理解成人类的大脑，大脑如果最开始一片空白（即模型还未开始训练，没有任何信息），然后开始学习一个知识（识别一个简单的目标）会学的非常慢，因为我们都知道从0开始学习是非常慢的，但是如果这个人已经学过数学，比如说高等数学࿰