用自己训练的模型在开源数据集训练，调整好参数再用自己的数据集训练，这属于迁移学习吗

是的，使用自己训练的模型在开源数据集上进行训练，然后调整模型参数后再使用自己的数据集进行训练，属于迁移学习的一种形式。迁移学习是指在一个任务上训练好的模型知识可以迁移到另一个相关的任务中，从而加速新任务的学习过程或提高性能。在你描述的情况下，通过在开源数据集上预训练模型，可以在一定程度上获得模型对该任务相关特征的理解，然后通过调整参数和继续训练自己的数据集，使模型适应特定的任务和数据。这种方式可以节省训练时间和数据量，并且有助于提高模型性能。