Notebook：迁移学习

现在我们可以在新任务上运用迁移学习了。

建议在新的标签页中打开此 notebook。在当前标签页中观看视频教程，同时继续在此 notebook 中操作。这样的话，你可以一边学习新技能，一边编写代码/运用新技能。

打开 notebook 的方法：

• 直接在课堂里在线打开（推荐）
• 从 Github 克隆代码库，再打开 transfer-learning 文件夹里的 Transfer_Learning_Exercise.ipynb。你可以使用 git clone https://github.com/udacity/deep-learning-v2-pytorch.git 下载代码库，或从此链接下载归档文件。

说明

• 加载预训练的 VGG 网络
• 冻结选定层级中的权重，并添加一个你自己设计的新线性层级
• 对修改后的模型训练几个周期，并测试其效果

这是一个自我评估 Lab。如果你需要帮助或想参考答案，请查看同一文件夹里的 solution notebook，或点击此处。

GPU Workspace

下个 workspace 支持 GPU，所以你可以选择在 GPU 实例上训练模型。建议做法是：

• 在 CPU 模式（非启用模式）下加载数据、测试函数和模型（检查参数并执行简短的训练循环）
• 准备好大规模地训练和测试模型时，启用 GPU 以快速训练模型！

当做输入的所有模型和数据都必须移到 GPU 设备上，所以请注意模型创建和训练流程中的相关移动代码。