原文地址：
http://www.cn-witmed.com/list/34/9555.html
模型微调的基本思想是使用少量带标签的数据对预训练模型进行再次训练，以适应特定任务。在这个过程中，模型的参数会根据新的数据分布进行调整。这种方法的好外在于，它利用了预训练模型的强大能力，同时还能够适应新的数据分布。因此，在大模型上进行模型微调能够提高模型的泛化能力，减少过拟合现象。
模型微调方法
Fine-tuning: 这是最常用的微调方法。通过在预训练模型的最后一层添加一个新的分类层，然后根据新的数据集进行微调。
Feature augmentation: 这种方法通过向数据中添加一些人工特征来增强模型的性能。这些特征可以是手工设计的，也可以是通过自动特征生成技术生成的。
标签：训练,人工智能,模型,微调,数据分布,方法,摘录 From： https://www.cnblogs.com/devilmaycry812839668/p/18107274