MNIST数据集由手写数字图片和数字标签0〜9组成的，它包含了70000个手写数字图像，其中60000个是训练数据，另外10000个是测试数据。每个样本都是一张28 * 28像素的灰度手写数字图片。②划分测试和训练集（为了控制训练时间，缩减训练数据和测试数据分别为5000和1000）缺点：sklearn库中的MLP分类和回归只适用于处理小数据集。

我们假设这些模型参数包含了源数据集上学习的到的知识，且这些知识同样适用于目标数据集。我们还假设模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。图像增广技术通过对训练图像做一系列的随机变换，来产生相似又不同的训练样本，从而扩大数据集的规模。（4）在目标数据集上训练目标模型。我们从头到尾训练输出层，而其余层的参数都是基于源模型的参数微调得到的。（3）为目标模型添加一个输出大小为目标数据

我们假设这些模型参数包含了源数据集上学习的到的知识，且这些知识同样适用于目标数据集。我们还假设模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。图像增广技术通过对训练图像做一系列的随机变换，来产生相似又不同的训练样本，从而扩大数据集的规模。（4）在目标数据集上训练目标模型。我们从头到尾训练输出层，而其余层的参数都是基于源模型的参数微调得到的。（3）为目标模型添加一个输出大小为目标数据