深度迁移学习的优势：相较于非深度迁移学习

深度迁移学习相对于非深度迁移学习的优势如下：

1. 更强的特征提取能力：深度神经网络能够自动学习高层次抽象特征，从而更好地适应新任务的需求。

2. 更高的准确率：深度迁移学习在处理大规模的数据时，能够获得更高的准确率。

3. 更好的泛化能力：由于深度迁移学习训练出的特征具有更好的泛化能力，因此能够更好地适应不同的任务和数据集。

4. 更高的可扩展性：深度迁移学习模型可以在已有的模型基础上继续迭代，从而逐步提高模型的性能和效率。

5. 更高的自适应能力：深度迁移学习能够自适应不同的任务和数据集，从而更好地适应实际应用场景的需求。