1.4 优化深度学习的方法

目前，深度学习在多种目标分类和识别任务中取得优于传统算法的结果，并产生大量优秀的模型，使用迁移学习方法将优秀的模型应用在其他任务中，可以达到在减少深度学习训练时间的前提下，提升分类任务性能，同时降低对训练集规模的依赖，关于迁移学习及其实例分析将在第6章进行详细介绍。

除此之外，随着深度学习模型中网络层数的加深、参数的增多、计算量的加大，计算速度慢、资源消耗多的问题逐渐成为不可忽视的挑战，以保证深度学习训练精度的同时加快训练速度为目的的并行计算与交叉验证运用而生，这两种方法的详细介绍以及实例分析将在第7章进行。