迁移学习 on PlumePHP

深度学习进阶：CNN、RNN、正则化与训练调参实战

Mon, 28 Sep 2026 10:00:00 +0800

引言

入门篇用 PyTorch 搭了第一个 MLP（/ml-neural-networks-basics/）。进阶要解决两个问题：MLP 处理不了的结构（图像的空间局部性、序列的时序性）与深网络的训练困境（梯度消失、过拟合）。本文先给 CNN 与 RNN 两大家族的结构，再集中解决「怎么把深网络训好」——正则化、优化器、学习率调度、迁移学习，最后用 CIFAR-10 完整跑通。

迁移学习实战：预训练模型、特征提取与微调全流程

Mon, 28 Sep 2026 10:00:00 +0800

引言

从零训练一个图像分类/文本模型要几千万样本和大量 GPU，而现实中你的数据可能只有几千条。**迁移学习（Transfer Learning）**把「别人在大数据上学到的通用表示」拿过来，用你的小数据做适配——这是 CV 与 NLP 的默认起手式。本文讲清：什么是迁移学习、预训练模型从哪来、冻结与微调的取舍、以及一套可复用的 PyTorch 微调流水线。