元学习 Meta-Learning

---

1.基础概念

学习如何学习，目标是让模型能够通过学习任务的经验，更好地适应新任务。

元学习试图使模型能够在面对新任务时更快、更有效地学习，以便在少量的样本上达到良好的性能。

主要思想：将学习任务视为一个嵌套的过程，其中模型在外层学习如何适应不同的任务(元学习)， 在内层学习特定任务的具体知识。

2.一些常见的元学习方法

1.模型参数初始化
2.模型架构搜索
3.学习优化算法
4.基于样本的元学习

3.元学习与监督学习的区别

监督学习

1.只在一个任务上训做训练；
2.只有一个训练集和一个测试集；
3.学习的是样本之间的泛化能力；
4.要求训练数据和测试数据满足独立同分布；
5.监督学习的训练和测试过程分别为train和test；

元学习

1.元学习是面向多个任务做联合训练；
2.每个任务都有训练集和测试集；
3.学习到的是任务之间的泛化能力；
4.要求新任务与训练任务再分布上尽可能一致；
5.元学习的训练和测试过程分别叫做Meta-train和Meta-test。