在cs231n讲义here中，它说
新数据集很小，并且与原始数据集相似。自数据
体积很小，因此微调ConvNet并不是一个好主意，因为
过度关注的问题...因此，最好的主意可能是训练
CNN代码上的线性分类器。
我不确定线性分类器的含义。线性分类器是否引用最后一个完全连接的层？ （例如，在Alexnet中，存在三个完全连接的层。线性分类器是最后一个完全连接的层吗？）
最佳答案
通常，当人们说“线性分类器”时，他们指的是Linear SVM (support vector machine)。线性分类器学习权重矢量w和阈值（也称为“偏差”）b，这样对于每个示例x的符号
<w, x> + b
对“正”类为正，对“负”类为负。
神经网络的最后一层（通常是完全连接的）可以视为线性分类器的一种形式。
关于machine-learning - 转移学习和线性分类器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43798867/