Merge pull request scutan90#25 from 1146976048qq/patch-1

Update 第十章_迁移学习.md

MarkDown/第十章_迁移学习.md

@@ -1,8 +1,7 @@
 # 第十章 迁移学习
 
 ## 10.1 什么是迁移学习？
-1. 深度学习中，最强大的理念之一就是，有的时候神经网络可以从一个任务中习得知识，并将这些知识应用到另一个独立的任务中。
-例如，也许你已经训练好一个神经网络，能够识别像猫这样的对象，然后使用那些知识,或者部分习得的知识去**帮助您更好地阅读** x 射线扫描 图，这就是所谓的迁移学习。
+1. 迁移学习，是指利用数据、任务、或模型之间的相似性，将在旧领域学习过的模型，应用于新领域的一种学习过程。
 2. 迁移学习**最有用的场合**是，如果你尝试优化任务B的性能，通常这个任务数据相对较少。
 例如，在放射科中你知道很难收集很多射线扫描图来搭建一个性能良好的放射科诊断系统，所以在这种情况下，你可能会找一个相关但不同的任务，如图像识别，其中你可能用 1 百万张图片训练过了，并从中学到很多低层次特征，所以那也许能帮助网络在任务在放射科任务上做得更好，尽管任务没有这么多数据。
 3. 迁移学习什么时候是有意义的？它确实可以**显著提高**你的**学习任务的性能**，但我有时候也见过有些场合使用迁移学习时，任务实际上数据量比任务要少， 这种情况下增益可能不多。