本研究解决传输学习中的数据集剪枝问题，通过标签和特征映射方法提高预训练效率并保持准确度。实验证明该方法在多个传输学习任务上有效，可剪枝源数据类别达40%至80%，并实现2至5倍加速。适用于其他计算密集型传输学习技术。

本文提出了两种新的数据集剪枝方法，可以在不牺牲下游性能的情况下，将源数据类别剪枝达到40%至80%，在预训练阶段实现了显著的2至5倍加速。该方法具有广泛的适用性，可以改进其他计算密集型的传输学习技术。