您正在使用一個在通用影像上訓練過的預訓練模型，對車輛的廠牌和型號進行遷移學習分類。您有一個大型的帶標籤車輛影像資料集。在您的車輛資料集上重新訓練模型之前，您應該如何初始化模型？

正確答案是「使用預訓練權重初始化所有層，並將最後的全連接層替換為一個新的層，以適應您的類別」。遷移學習的精髓在於利用預訓練模型從大量通用數據中學習到的特徵提取能力。因此，使用預訓練權重初始化除了輸出層之外的所有層，可以保留這些有用的特徵。由於您的任務是新的分類任務（車輛廠牌和型號），預訓練模型的最後一層（通常是分類層）不適用於您的特定類別，因此需要替換為一個新的、隨機初始化的層，其輸出節點數量與您的新類別數量相符。 其他選項不正確的原因： 「使用隨機權重初始化所有層」：這等同於從頭開始訓練，忽略了預訓練模型的優勢，在大型數據集上會非常耗時且可能效果不佳。 「使用隨機權重初始化所有層，並將最後的全連接層替換為一個新的層」：同上，也忽略了預訓練模型的優勢。 「使用預訓練權重初始化所有層，包括最後的全連接層」：預訓練模型的最後一層是為其原始任務設計的，直接使用它會導致分類類別不匹配，無法正確執行您的新任務。