1卷積網絡當做特征提取器。使用在ImageNet上預訓練的網絡，去掉最后的全連接層，剩余部分當做特征提取器（例如AlexNet在最后分類器前，是4096維的特征向量）。這樣提取的特征叫做CNNcodes。得到這樣的特征后，可以使用線性分類器（LinerSVM、Softmax等）來分類圖像。

2Fine-tuning卷積網絡。替換掉網絡的輸入層（數據），使用新的數據繼續訓練。Fine-tune時可以選擇fine-tune全部層或部分層。通常，前面的層提取的是圖像的通用特征（genericfeatures）（例如邊緣檢測，色彩檢測），這些特征對許多任務都有用。后面的層提取的是與特定類別有關的特征，因此fine-tune時常常只需要Fine-tuning后面的層。

關注中公優就業，學習更多深度學習知識。