简短的回答是否定的。您不能使用为一项任务训练的模型来预测完全不同的任务。即使第二个任务是另一个图像分类任务，CNN 也必须进行微调才能使新数据正常工作。

有几点需要注意...

1) CNN 因其性质而适用于图像。它们不一定适用于任何二维输入。

2）通过二维数值数据，我假设您不是指表格数据。

提供一点理论，CNNs 适用于许多图像任务，因为它们处理空间局部信息，不太关心绝对位置。本质上，每一层都将每张图像分割成微小的作物图像，并对作物进行分析。“这是一条线……角……眼睛……脸吗？”这样简单的问题。可以平等地询问每一种作物。

这意味着网络只需要学习一次来检测一个特征，而不是单独学习在它可能出现的每个可能位置检测该特征。因此，与完全连接的架构相比，我们可以使用训练速度更快且所需数据更少的较小网络。

回到这个问题，如果您的数据具有类似的空间相关性，您可以期望 CNN 能够工作。换句话说，如果在单元格 x、y 周围找到一个模式，则与单元格 a、b 中的相同模式具有相同的含义，那么您可能很幸运。另一方面，如果每一列都代表一个有意义的不同概念，那么 CNN 将是一个糟糕的架构选择。