待验证50% 置信事实精确时间
Transfer learning has two main strategies: Feature Extraction (freezing most layers and only training the final classification head) and Fine-Tuning (initializing with pretrained weights and training all layers with a smaller learning rate).
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
PyTorch Image Classification in Practice: Complete Pipeline from Data Preprocessing to Model Training
bilibili程序员是魔法师AI-bx2026/6/17
相关事实
待验证迁移学习中通常有两种策略：冻结预训练模型大部分层只训练分类头（Feature Extraction），或用预训练权重初始化后以较小学习率微调所有层（Fine-Tuning）81% 相似待验证Warmup策略在训练初期使用极小学习率，待参数进入合理范围后再提升，被大型语言模型训练广泛采用70% 相似待验证小样本学习（Few-Shot Learning）的主流方法包括基于度量学习的Siamese Network、基于元学习的MAML，以及结合预训练大模型的提示微调67% 相似待验证Few-shot Learning相比全量微调的优势在于零训练成本和即时切换能力，只需更换几个示例即可调整品牌语气67% 相似待验证训练数据中的混杂变量是导致模型学到捷径学习（shortcut learning）的重要原因67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/44719API
curl https://kongchang.com/api/v1/knowledge/claims/44719MCP
get_claim(id=44719)