Transfer Learning

释义 Definition

迁移学习：在一个任务或数据集上学到的知识（如特征、模型参数、表示方式），被迁移到另一个相关任务或新数据集上，以减少标注数据需求、加快训练并提升效果。机器学习/深度学习中最常见的做法是用预训练模型在新任务上进行微调。 （也常写作 transfer learning；连字符写法 transfer-learning 多见于作定语时。）

发音 Pronunciation (IPA)

/ˈtrænsfɚ ˈlɝːnɪŋ/

例句 Examples

I used transfer learning to classify flowers with a small dataset.
我用迁移学习在一个很小的数据集上对花朵进行分类。

By applying transfer learning from a large language model and fine-tuning it on domain-specific texts, the team improved accuracy while cutting training time and labeling costs.
团队把大型语言模型的知识迁移过来，并在领域文本上微调，从而在减少训练时间和标注成本的同时提升了准确率。

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”）。合起来表示“把学到的东西转移到新的学习任务中”，这一术语在现代机器学习研究与工程实践中被固定下来。

相关词 Related Words

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

文献与著作中的用例 Notable Works

• Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》（深度学习经典教材中讨论预训练与迁移相关实践）
• Aurélien Géron：《Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow》（以工程视角介绍迁移学习与微调）
• Sinno Jialin Pan & Qiang Yang (2010)：《A Survey on Transfer Learning》（迁移学习综述论文，系统化定义与分类）