Transfer Learning

释义 Definition

迁移学习：一种机器学习方法，把在某个任务/领域中学到的知识（如特征表示、模型参数）迁移到另一个相关任务/领域，以减少新任务所需的数据量与训练成本、提升效果。常见于深度学习中用“预训练模型 + 微调（fine-tuning）”。

例句 Examples

Transfer learning helps when you don’t have much labeled data.
迁移学习在标注数据不多时很有帮助。

By fine-tuning a pre-trained network on a small medical dataset, the team used transfer learning to improve accuracy while avoiding overfitting.
团队将预训练网络在小规模医疗数据集上进行微调，通过迁移学习提升了准确率并减少了过拟合。

发音 Pronunciation (IPA)

/trnsf ln/

词源 Etymology

transfer 源自拉丁语 transferre（“搬运、转移”），由 *trans-*（“跨越”）+ ferre（“携带”）构成；learning 来自古英语 leornian（“学习”）。合起来的学术用语 transfer learning 指“把已学到的东西转移到新学习任务中”，在机器学习文献中用来概括“跨任务/跨领域的知识复用”。

相关词 Related Words

• Domain Adaptation
• Fine-Tuning
• Pretraining
• Feature Extraction
• Representation Learning
• Few-Shot Learning
• Multitask Learning
• Knowledge Distillation

文学与著作中的用例 Literary Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）讨论预训练与特征迁移等实践，常与迁移学习并提。
• Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow（Aurélien Géron）以预训练网络与微调为主线讲解迁移学习。
• “A Survey on Transfer Learning”（Sinno Jialin Pan & Qiang Yang, 2010）经典综述论文，系统定义与分类迁移学习。
• Natural Language Processing with Transformers（Lewis Tunstall 等）在BERT等预训练模型背景下频繁使用“迁移学习/微调”的框架叙述。