多数量级的数据集往往很难收集以及注释，因此，关于这些数据集的与训练行为也相对来说知之甚少。为了解决这个问题，Facebook 研究人员提出了一个独特的转移学习研究，涵盖了经过训练的可以预测数十亿社交媒体图像主题标签的大型卷积网络。实验结果表明，该方法对大规模标签预测的训练可以得到出色的结果。研究人员还对几种图像分类和物体检测任务进行了改进，创造了破纪录的 85.4% top-1 精度。此外，研究人员还进行了大量实验，并提供了关于大规模预训练和转学习绩效之间关系的新型经验数据。