למודלים מתוחכמים של למידה עמוקה יש מיליוני פרמטרים (משקלים), ואימון אותם מאפס דורש לרוב כמויות גדולות של נתונים ומשאבי מחשוב. למידת העברה היא טכניקה המקצרת הרבה מזה על ידי נטילת חלק מדגם שכבר הוכשר במשימה קשורה ושימוש חוזר בו במודל חדש.
לדוגמה, המדריך הבא בסעיף זה יראה לך כיצד לבנות מזהה תמונות משלך המנצל מודל שכבר הוכשר לזהות אלפי סוגים שונים של אובייקטים בתוך תמונות. אתה יכול להתאים את הידע הקיים במודל שהוכשר מראש כדי לזהות כיתות תמונה משלך תוך שימוש בהרבה פחות נתוני אימון מהמודל המקורי הנדרש.
זה שימושי לפיתוח מהיר של דגמים חדשים כמו גם התאמה אישית של מודלים בסביבות מוגבלות במשאבים כמו דפדפנים ומכשירים ניידים.
לרוב בעת לימוד העברה, אנו לא מתאימים את המשקולות של הדגם המקורי. במקום זאת אנו מסירים את השכבה הסופית ומאמנים דגם חדש (לעיתים קרובות די רדוד) על גבי הפלט של הדגם הקטום. זו הטכניקה שתראה מודגמת במדריכים בסעיף זה:
לדוגמא נוספת של למידה בהעברה באמצעות TensorFlow.js, ראה שימוש במודל מיומן מראש .