Paper | How transferable are features in deep neural networks?

论文：How transferable are features in deep neural networks?

1. 核心贡献

我们都知道，深度网络中的特征是逐渐特化的。如果我们将一个深度网络中的高层特征，迁移用于另一个任务，那么这个新任务的表现很有可能不理想。

这篇文章讨论的就是深度网络中特征的可迁移性，通过实验有以下3点发现：

• 越高层的特征越难以迁移。
• 迁移后网络的参数联动性被打破，导致了优化困难。
• 迁移往往会带来泛化能力上的飞跃，即使在迁移后仍长时间迭代收敛。

解释一下第二点，可能需要看完实验部分才知道是什