4.1 Fine-tuning的常见模式：全模型微调、特征提取、层冻结

文档摘要

4.1 Fine-tuning的常见模式：全模型微调、特征提取、层冻结 4.1 Fine-tuning的常见模式：全模型微调、特征提取、层冻结在迁移学习中，Fine-tuning是一种强大的策略，它允许我们利用预训练模型在大量数据上学到的通用知识，并将其适应于特定任务的少量数据。根据任务需求、可用数据量以及计算资源的限制，Fine-tuning可以采用多种不同的模式。本章将深入探讨三种最常见的Fine-tuning模式：全模型微调、特征提取和层冻结。 4.1.1 全模型微调（Full Fine-tuning）全模型微调，顾名思义，是指在目标任务的数据集上，对预训练模型的所有层进行训练。