李宏毅机器学习笔记——元学习Meta Learning

元学习Meta Learning：学习如何去学习。learn to learn.

机器学习步骤总结

第一步：

第二步：

第三步：

元学习是什么

输入训练资料，通过方法，进行训练。学习这个方法。

利用以往的知识经验来指导新任务的学习，具有学会学习的能力。

hand_crafted是人设定的意思。

元学习步骤

第一步：寻找方法

要学的参数是Φ。之前这些component都是人定的，元学习里是求这些component.

第二步：计算Loss

以往的机器学习是通过计算训练资料得出Loss，而元学习是通过训练任务里的测试资料计算：

第三步：最优化使Loss最小

注意这里是测试任务里的训练资料也作为输入，通过F方法，学习出classify，然后把这个classify用到测试任务里的测试资料上，得到结果。

训练任务是为了找出最优算法，测试任务是为了最终结果。

比较机器学习和元学习差异

在目的上面：
机器学习是找到f方法。
元学习的目的是找到可以“寻到f方法”的F方法。

support set是训练资料，query set是测试资料。

在过程上面：
机器学习是任务内训练，元学习是跨任务学习。

outer loop和inner loop

within-task training又叫inner loop.
acros-task training又叫outer loop.

机器学习和元学习相同点

梯度下降法复习

学习初始化

标签：机器,测试,训练,李宏毅,学习,Meta,Learning,资料,loop
来源： https://blog.csdn.net/qq_40991313/article/details/122645693