待验证60% 置信事实精确时间
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）
2
来源数
60%
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图像分类实战：数据预处理到模型训练完整流程
bilibili程序员是魔法师AI-bx2026/6/17
相关事实
待验证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).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78% 相似待验证小版本号跃迁通常对应后训练（Post-Training）阶段的优化，而非预训练的重新训练77% 相似待验证不同模型在抗诱导能力上的差异很大程度上源于后训练阶段（post-training）的策略差异74% 相似待验证Transition的训练计划能精确到配速区间、心率目标和训练目的，而非简单的距离指令74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/45217API
curl https://kongchang.com/api/v1/knowledge/claims/45217MCP
get_claim(id=45217)