动迁求学并不是新的概念。在 1995 年 NIPS 的研讨会方案上大家伙儿就座谈过何以归纳条理的知识，整合并动迁到新的领域车，在 2016 年的 NIPS 上，吴恩达副主任医师在他的讲演里面也侧重了下一个深度求学要害方面本该是动迁求学。
动迁求学专注在之一任务上教练出一个很好的预教练高达模型，当然金十数据官网量是一个很好的条件。白璧无瑕进展在线动迁求学，自动下载到边缘端。当目标是什么域的金十数据官网产出形形色色的情况时，会提选各异的动迁分类法。譬如说无监督求学。自监督求学，小样张求学，以及 GAN 的动迁，还有多任务的求学，以及原域到目标是什么域的映射，到新领域车的一些动迁求学。
方才提到一个很要害的动迁条件，预教练高达模型。如果有一个很好的预教练高达模型，任务就秉赋了很好的成功条件。ImageNet 在微型机视觉领域车在图像分类 / 目标是什么联测 / 分布中有所无法撼动的分公司的法律地位，从李飞飞等人在 CVPR2009 发表的论文古来，诸多人在 ImageNet 上教练出越来越好的高达模型，受惠于各行各业英语。譬如说从 2012 年苗头的 AlexNet。后来有 VGGNet，GoogleNet。ResNet。DenseNet，ResNeXt。这些高达模型大家伙儿今天都还在用，我们列席景下白璧无瑕进展预教练的艺术，在其一场景英文上运用后，白璧无瑕动迁到新的域。
这是一个运用案例。譬如说在之一特定的场景英文下急需高苹果手机性能无人照顾包的联测，越过预教练高达模型(人的联测，包的联测)，运用动迁求学的阳光房框架，济事在动迁求学阳光房框架上苹果手机性能从 30%达到 98%以上，助长另外的分类法。就白璧无瑕做到高苹果手机性能的无人照顾包的联测。另一个事例是人脸识假。如果有一个很好的预教练高达模型，但教练金十数据官网里。只是很少的儿童人脸识假，或者各异黑肤色的姑娘人脸的识假，dnf暗光杀戮的识假，就可能留存苹果手机性能减低，之所以动迁求学白璧无瑕在特定的情况下达到源域如出一辙的苹果手机性能。并且在源域的场景英文下。苹果手机性能不裁减。
另一个酌情热点是行人的拼音再识假。人脸识假之后，人们想用行人的拼音再识假，从图像和外貌作文上寻找并鉴别可不白璧无瑕是同样个人征信，在运用上我们叫跨相机场景英文下按图索骥一个人征信。但是不像人脸和手相。臭皮囊是非ranana刚性的。受相机的格栅与水流角度，电脑分辨率怎么设置变化，行人的拼音姿态 / 遮挡各异反射，它的因素是在变化的，到底臭皮囊的什么样20年百大富豪特征是专属一个特定人的。不及一个规定的独特性。行人的拼音图像在内控下无常，济事其一课题在微型机领域车还是极具挑战，也是一个酌情的热点和难点真心话大冒险问题集。
