深度学习：迁移学习与预训练模型应用实践

引言

"我们业务只有几百张标注图，能从零训个模型吗？"------几乎每个落地项目都会被问到。答案是：别从零训，站在预训练模型的肩膀上。迁移学习正是把 ImageNet 上预训练好的视觉先验、或大规模语料上预训练好的语言先验，"借"到你的小数据任务上。本篇拆解两种用法，并给出小样本下的量化收益与实操技巧。

一、迁移学习两类范式

1.1 特征提取式（Feature Extraction）

冻结预训练骨干（backbone）的所有参数，只训练你接在后面的新分类头。相当于把 backbone 当作一个"固定的特征提取器"。

优点：训练快、显存省、几乎不过拟合。
缺点：backbone 的特征是通用域的，未必适配你的特定分布。
适用：数据极少（几百~几千）、任务与预训练域接近。

1.2 微调式（Fine-tuning）

解冻全部或大部分层，端到端用小学习率继续训练，让 backbone 适配你的数据。

优点：上限更高，能学到领域专属特征。
缺点：显存大、易过拟合、需要谨慎调学习率。
适用：数据较多（万级及以上）、任务与预训练域有差异。

二者不是二选一，实践中常组合：先特征提取跑通，再分层解冻做微调，见第四节。

二、CV 侧 ResNet 迁移实验（思路与代码）

以一个"小样本医疗影像二分类"为例，对比三种方案。下面给出可运行的关键代码（基于 torchvision，数值为公开基准典型区间，随数据规模与随机种子浮动，非本机实测）：

python 复制代码

import torch
from torchvision import models, transforms
from torch import nn, optim

# 1) 加载 ImageNet 预训练 ResNet-18
weights = models.ResNet18_Weights.DEFAULT
backbone = models.resnet18(weights=weights)

# 2) 特征提取式：冻结 backbone，只换最后一层
for param in backbone.parameters():
    param.requires_grad = False
in_feat = backbone.fc.in_features
backbone.fc = nn.Linear(in_feat, 2)   # 你的类别数

# 特征提取阶段只优化 fc
optimizer = optim.Adam(backbone.fc.parameters(), lr=1e-3)

# 3) 微调式：解冻全部，整体小学习率
for param in backbone.parameters():
    param.requires_grad = True
optimizer_all = optim.AdamW(backbone.parameters(), lr=3e-5, weight_decay=0.01)

三种方案的典型收益对比（数百张标注、公开基准区间）：

方案	准确率（典型区间）	过拟合风险
从零训练	~60%	极高
特征提取（冻结 backbone）	~78%	低
全模型微调	~85%	中（需正则）

迁移学习把小数据任务从"不可用"拉到"可用"------这正是它成为落地第一选择的原因。

三、NLP 侧 BERT 迁移对照

NLP 的迁移范式与 CV 完全同构，只是 backbone 换成 BERT：

python 复制代码

from transformers import BertForSequenceClassification, BertTokenizer

model = BertForSequenceClassification.from_pretrained(
    "bert-base-chinese", num_labels=2)
tokenizer = BertTokenizer.from_pretrained("bert-base-chinese")

# 同样可以冻结底层、只训顶层------垂直领域小数据常用
for name, param in model.named_parameters():
    if "encoder.layer.11" not in name and "classifier" not in name:
        param.requires_grad = False   # 仅解冻最后一层 + 分类头

垂直领域（如医疗、法律文本）与通用语料分布差异大时，分层解冻 + 差异化学习率（见下节）往往比全量微调更稳。

四、分层解冻与差异化学习率

微调的核心技巧是"越靠近输入的层越通用、越靠近输出的层越任务相关"。因此：

分层解冻（Layer-wise Unfreezing）：先只训顶层，确认收敛后再逐步解冻更深的层。
差异化学习率（Discriminative LR）：浅层小学习率（如 1e-5），深层大学习率（如 3e-4），避免浅层通用特征被破坏。

python 复制代码

# PyTorch 给不同层组设置不同学习率
params = [
    {"params": backbone.conv1.parameters(), "lr": 1e-5},
    {"params": backbone.layer2.parameters(), "lr": 3e-5},
    {"params": backbone.layer3.parameters(), "lr": 1e-4},
    {"params": backbone.fc.parameters(),     "lr": 3e-4},
]
optimizer = optim.Adam(params)

此外，数据增强强度要适配迁移阶段：特征提取阶段可增强弱一些（避免破坏预训练特征），微调阶段可增强强一些（防过拟合）。

五、小样本效果量化与适用边界

你的标注数据量	推荐策略
< 1k	特征提取 + 强数据增强，慎用全微调
1k ~ 10k	分层解冻，差异化学习率
> 10k	可考虑全模型微调，甚至从头预训练子集
跨域极大（如 X 光 → 自然图像）	用领域自适应 / 自监督再预训练打底

避坑：

预训练域与任务域差异过大时，直接微调可能"负迁移"，此时先做自监督预训练更靠谱。
分类头随机初始化容易在初期"污染"backbone 梯度，建议先用特征提取暖机几轮。

六、适用边界总结

迁移学习不是银弹，它的前提是"存在可复用的通用特征"。当你的任务与预训练域高度同构（如自然图像分类、通用中文文本分类），收益最大；当任务极其特殊（如特定工业缺陷、罕见蛋白质结构），则需要更多领域数据或自监督打底。

总结

迁移学习把"数据少"这个落地最大障碍变成了可管理问题：冻结骨干做特征提取保底，分层解冻做微调冲上限。本文的 CV/NLP 双对照与差异化学习率代码，可直接套进你的项目。记住一句话------小数据别从零训，先借预训练模型的力。

参考资料

Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning.
Yosinski, J., et al. (2014). How transferable are features in deep neural networks?
Hugging Face Transformers 迁移微调文档。
torchvision 预训练模型列表与权重说明。

往期回顾

关注作者，继续《深度学习工程化》专栏：下一篇进入计算机视觉的"定位"世界------目标检测 YOLO 演进。

📚 本篇出自专栏《深学之路：从感知机到智能体》 ------ 从感知机到大模型智能体的完整深度学习连载（基础+工程化、扩散模型 / RAG / Agent 等）。每篇附可运行代码与原创实验，收藏专栏不迷路。