Gelişmiş derin öğrenme modellerinde milyonlarca parametre (ağırlık) bulunur ve bunları sıfırdan eğitmek genellikle büyük miktarda bilgi işlem kaynağı verisi gerektirir. Aktarım yoluyla öğrenme, ilgili bir görev üzerinde önceden eğitilmiş bir modelin bir parçasını alıp yeni bir modelde yeniden kullanarak bunun çoğunu kısaltan bir tekniktir.
Örneğin, bu bölümdeki sonraki öğretici, görüntüler içindeki 1000'lerce farklı türde nesneyi tanımak için önceden eğitilmiş bir modelden yararlanan kendi görüntü tanıyıcınızı nasıl oluşturacağınızı gösterecektir. Gereken orijinal modelden çok daha az eğitim verisi kullanarak kendi görüntü sınıflarınızı tespit etmek için önceden eğitilmiş modeldeki mevcut bilgiyi uyarlayabilirsiniz.
Bu, tarayıcılar ve mobil cihazlar gibi kaynakları kısıtlı ortamlarda modelleri özelleştirmenin yanı sıra hızla yeni modeller geliştirmek için kullanışlıdır.
Çoğu zaman transfer öğrenimi yaparken orijinal modelin ağırlıklarını ayarlamıyoruz. Bunun yerine, son katmanı kaldırır ve kesilmiş modelin çıktısının üzerine yeni (genellikle oldukça sığ) bir model eğitiriz. Bu bölümdeki öğreticilerde göreceğiniz teknik budur.