在别人的网络上微微改动①去尾巴，得特征，换线性分类器②去尾巴和一点卷积层，得泛化特征
以下是常见的两类迁移学习场景：
1 卷积网络当做特征提取器。 拿掉全连接层，剩余部分当做特征提取器 这样提取的特征叫做CNN codes。 再线性分类器（Liner SVM、Softmax等）来分类图像。
2 Fine-tuning卷积网络。 直接换数据训练，用网络的全部层/部分层 前面的层提取的特征粗粒度啦——泛化性好 后面的层详细——9类啥的
原文链接
