吴恩达深度学习笔记(68)-多任务学习

多任务学习（Multi-task learning）

在迁移学习中，你的步骤是串行的，你从任务A里学习只是然后迁移到任务B。在多任务学习中，你是同时开始学习的，试图让单个神经网络同时做几件事情，然后希望这里每个任务都能帮到其他所有任务。

我们来看一个例子，假设你在研发无人驾驶车辆，那么你的无人驾驶车可能需要同时检测不同的物体，比如检测行人、车辆、停车标志，还有交通灯各种其他东西。比如在左边这个例子中，图像里有个停车标志，然后图像中有辆车，但没有行人，也没有交通灯。

如果这是输入图像x^((i))，那么这里不再是一个标签 y^((i))，而是有4个标签。在这个例子中，没有行人，有一辆车，有一个停车标志，没有交通灯。

然后如果你尝试检测其他物体，也许 y^((i))的维数会更高，现在我们就先用4个吧，所以 y^{((i))是个4×1向量。如果你从整体来看这个训练集标签和以前类似，我们将训练集的标签水平堆叠起来，像这样y}((1))一直到y^((m))：

不过现在y^((i))是4×1向量，所以这些都是竖向的列向量，所以这个矩阵Y现在变成4×m矩阵。而之前，当y是单实数时，这就是1×m矩阵。