fine-tuning是微调的意思，是用别人训练好的模型(即pre-trained model)，加上我们自己的数据，来训练新的模型。fine tune相当于使用别人的模型的前几层，来提取浅层特征，然后在最后再落入我们自己的分类中。
一般来说我们自己需要做的方向，比如在一些特定的领域的识别分类中，我们很难拿到大量的数据。因为像在ImageNet上毕竟是一个千万级的图像数据库，通常我们可能只能拿到几千张或者几万张某一特定领域的图像，比如识别衣服啊、标志啊、生物种类等等。在这种情况下重新训练一个新的网络是比较复杂的，而且参数不好调整，数据量也不够，因此fine-tuning微调就是一个比较理想的选择。
如果想网络中某几层参数不变，可以设置对应learning rate为0让这些层的参数不学习
关于fine-tuning两个比较好的博客：
http://www.cnblogs.com/louyihang-loves-baiyan/p/5038758.html
http://www.cnblogs.com/alexcai/p/5469478.html
知乎上的一个问题：
https://www.zhihu.com/question/35754716
原文：http://www.cnblogs.com/ymjyqsx/p/6763869.html