元学习(Meta-learning)
元学习大体分为两个阶段,训练阶段和测试阶段,训练样本中 的训练集称作支持集,训练样本中的测试集叫查询集(support set and query set)。测试任务和训练任务内容完全不同。
传统深度学习顺序:定义网络架构——初始化参数——通过自己选择的优化器更新参数——通过多次epoch更新最终得到网络输出。
元学习的目标是自动学习或者代替传统深度学习中的定义网络架构、初始化参数以及更新参数。
元学习中不同的代替方式就发明出不同的元学习算法。
元学习与机器学习的区别
机器学习和元学习的目的都是找一个Function,只是两个Function功能不同。
机器学习中的Function直接作用于特征和标签,是学习某个数据分布x到另一个分布Y的映射。
元学习学习的Function是用于寻找新的f,新的f才会应用于具体任务,是某个任务集合D到每个任务对应的最优函数f的映射,
与迁移学习的区别
元学习更偏重于任务和数据的双重采样,任务和数据一样是需要采样,学习到的F(x)可以帮助在未见过的任务f(x)里迅速建立mapping。更侧重学习常规学习任务中需要人为调的超参数,比如模型结构、度量方式和优化方式。更侧重如何从头开始学习一个模型
迁移学习是指从一个任务到其他任务的能力迁移,不太强调任务空间的概念。更侧重学习任务中需要学习的常规参数,比如神经网络的权重等。更侧重先pretrain再finetune这样的训练模式。
迁移学习和元学习都是从旧任务中学习如何高效地学会新任务。
元学习经典算法之一MAML(Model Agnostic Meta Learning )
学习目标:初始化参数。
MAML的损失是在任务训练之后的测试loss,pre-training是在没有经过训练的原有的基础上求loss
元学习(Meta-learning)相关推荐
- 元学习(meta learning) 最新进展综述论文,28页pdf
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本文综述了元学习在图像分类.自然语言处理和机器人技术等领域的应用.与深度学习不同, ...
- 元学习Meta Learning/Learning to learn
目录 元学习 训练 用途 学习方法 元学习和迁移学习的区别和联系 元学习 Meta Learning/Learning to learn即利用以往的知识经验来指导新任务的学习,使网络具备学会学习的能力 ...
- 初识元学习-Meta learning
目录: meta learning的出现 1.meta learning的出现 Meta Learning,元学习,也叫 Learning to Learn(学会学习).是继Reinforcement ...
- 元学习Meta learning深入理解
目录 基本理解 元学习与传统的机器学习不同在哪里? 基本思想 MAML MAML与pre-training有什么区别呢? 1. 损失函数不同 2. 优化思想不同 MAML的优点及特点 MAML工作机理 ...
- 什么是元学习 (Meta Learning)
目录 元学习(Meta Learning) 元学习介绍 元学习目的 元学习流程 元学习(Meta Learning) 元学习介绍 元学习希望使得模型获取调整超参数的能力,使其可以在获取已有知识的基础上 ...
- 元学习—Meta Learning的兴起
来源:专知 [导读]元学习描述了训练深度神经网络相关的更高级别的元素.在深度学习文献中,"元学习"一词经常表示神经网络架构的自动化设计,经常引用" AutoML" ...
- 元学习(meta learning)和小样本学习(few-shot learning)
Meta learning few-shot learning是meta learning中的一种.可将few-shot learning看做是meta leaning即可. Meta learnin ...
- 《元学习meta learning)》2020综述论文大全!
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! [导读]元学习旨在学会学习,是当下研究热点之一.最近来自爱丁堡大学的学者发布了关于 ...
- 一文弄懂元学习 (Meta Learing)(附代码实战)《繁凡的深度学习笔记》第 15 章 元学习详解 (上)万字中文综述
<繁凡的深度学习笔记>第 15 章 元学习详解 (上)万字中文综述(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net ...
- Meta Learning在NLP领域的应用
Hi,这里是哈林,今天来跟大家聊一聊Meta Learning在NLP领域的一些应用. 哈林之前在学校科研的方向是NLP,个人对如何将先进的机器学习算法应用到NLP场景很感兴趣(因为好水paper), ...
最新文章
- SAP R3 FI 上线 顾问设置教程(一)
- java getClass()
- 数据结构C语言实现—队列操作
- Hadoop集群安装部署_伪分布式集群安装_02
- python 解方程 sympy_用Python和Sympy求解方程并得到数值答案
- 数据获取之网络爬虫专栏简介
- [Linux] 安装samba
- asp.net mvc 过滤器
- JavaScript生成树形菜单(递归算法)
- Visual Studio Code 调试 React Native (RN) 步骤 Mac版
- 用java写一个双色球的彩票程序(源码)
- Python模块化编程
- Python-while 计算100以内奇数和
- 基于RFID定位技术的固定资产管理,RFID资产管理带给你无限可能--新导智能
- 诊断Oracle数据库Hanging问题
- ISP(七) CMOS图像传感器内部结构及工作原理
- 完全卸载chrome
- 自学神经网络系列 —— 8 前馈神经网络
- LSV又新增13个地质图!量测对比分析全都能搞定
- 编程的智慧 强烈推荐