fine tuning
>既存の学習済みモデルの一部と、新たに追加したモデルを合わせた全体の微調整を行います。こうしてモデル全体のデータを再学習することで、汎化性能をより向上させます。
転移学習と似ていますが、既存のモデル全体（またはその一部）を新しいタスクのデータで再訓練（微調整）します。
新しいタスクが元のタスクと大きく異なる場合や、新しいタスクのデータが十分にある場合に有用です
転移学習(transfer learning)使ってソースのデータセット（たとえば、椅子以外のデータもたくさん学習してるImageNet）から学習した知識をターゲットデータセット（椅子の認識）に転移する
source modelのoutput layerにはsource datasetのlabelと密接に関連していると考えられるのでつかわずに、まっさらなoutput layerにさしかえる（ランダムに初期化する）。その他はsource modelのレイヤーを使って学習する
こうするとOutput layerは0から学習されるので椅子のラベルを出力してくれるようになり、つかいまわしたレイヤーはFine-tuneされる