读元学习MAML有感

最新推荐文章于 2024-04-14 11:11:16 发布
最新推荐文章于 2024-04-14 11:11:16 发布
阅读量402 收藏 4
点赞数 1
文章标签： 算法 深度学习 python 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ab459548764/article/details/113654499
版权

读元学习MAML有感

MAML是什么

在开始讨论之前，我们先简单复习一下什么是元学习。元学习，顾名思义，是一种基于Task驱动的学习。
在这里插入图片描述

如上图所示，这是一个识别皮神和憨憨的任务，其中Support集合是用来训练，Query用于补充和验证。如果用 θ \bm{\theta} θ表示整个网络，那么其过程应如下表示之。

在这里插入图片描述

图中元学习得到的 θ ∗ \bm{\theta}^* θ∗位于第一个任务最优解 θ 1 ∗ \bm{\theta}_1^* θ1∗​和第二个任务最优解

最低0.47元/天 解锁文章
lwming1227
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
元学习入门必备：MAML(背景+论文解读+代码分析)
qq_36317312的博客
12-13 2万+
论文题目：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks 模型不可知元学习在深度网络快速自适应中的应用 论文是2017年发表在ICML上的，目前被引用量也超过4600+，值得大家进行学习。 Abstract 通过论文题目，我们会有一个大致的了解，Model-Agnostic(模型无关)、Fast Adaptation（快速适应）、Deep Networks（深度网络），可以看出这篇文章是适用于深度网络并且提出一种与模型.
MAML代码踩坑
北国觅梦
10-06 3143
本文是在自己电脑上学习MAML，使用CPU跑的数据 首先已经进行了数据预处理，同时已经形成了.npy文件 加载数据 import torch import numpy as np import os root_dir = 'D:\A_Datasets\omniglot\python' img_list = np.load(os.path.join(root_dir, 'omniglot.npy')) # (1623, 20, 1, 28, 28) x_train = img_list[:..
深度探索：机器学习中的MAML算法（探索快速适应新任务的元学习之旅）原理及其应用
最新发布
qq_51320133的博客
04-14 970
MAML算法作为元学习领域的代表性工作，通过寻找能够快速适应新任务的元初始化参数，为模型赋予了强大的泛化能力和样本效率。尽管面临计算复杂度、内存需求和收敛性等方面的挑战，但其通用性强、适应速度快的特点使其在小样本学习、强化学习、医疗诊断等领域展现出巨大潜力。未来的研究方向可能包括：优化MAML的计算效率，如使用二阶优化方法、模型压缩等技术；探索更高级的元学习策略，如元学习与无监督学习、迁移学习等的结合；将MAML应用于更多实际问题，推动其在人工智能各领域的广泛应用。随着研究的深入和技术的发展，MAML及其衍
让机器学习“如何学习”！从零开始读懂MAML！
AI蜗牛车
02-27 954
1. 前言其实最近在看一些目标检测或目标追踪的文章外。我顺带学习了一些元学习（meta-learning)，为少样本学习（few shot learning)领域的一个分支。学习的目的是考...
元学习—模型不可知元学习(MAML）
hei653779919的博客
10-16 5379
元学习—模型不可知元学习(MAML) 在之前的文章中，我们介绍了神经图灵机和记忆增强网络(MANN)，主要介绍了其对于内存中信息的读取与写入。有兴趣的读者可以参考我之前的博客元学习—神经图灵机。在今天的文章中，我们来介绍一种更加常见的元学习的学习方法，即模型不可知元学习。 1. MAML原理 1.1 MAML引入 MAML是一种最近被提出的，最为主流的一种元学习的方法。其是元学习上的一个重大突破。在元学习中，众所周知，其目标是学会学习。在元学习中，我们从大量的相关学习任务中获取一小部分的样本点，然后通过元学
狗都能看懂的MAML原理讲解和代码实现
热门推荐
个人学习笔记
11-21 4万+
meta-leaning指的是元学习，元学习是深度学习的一个分支，一个好的元模型（meta-learner）应该具备对新的、少量的数据做出快速而准确的学习。通俗的来讲， 对于人来说，给几张橘猫的图片让看一下，再给你几张没见过的英短猫图片，你一定能很快识别出来都是猫。但是对于神经网络来说，并非如此。如果让一个小汽车分类网络去识别不同的大货车，那效果肯定很差。而传统的CNN网络都是输入大量的数据，然后进行分类的学习。但是这样做的问题就是，神经网络的通用性太差了，根本达不到“智能”的标准。而人类的认知系统，可以通
元学习-MAML-资源整合
12-17
MAML（Model-Agnostic Meta-Learning，模型无关元学习）是元学习的一个著名框架，由Finch et al.在2017年提出，它特别关注学习良好的初始权重，以便在面对新任务时能进行快速的微调（fine-tuning）。 MAML的目标...
元学习 模型 MAML pytorch 代码 复现 可直接运行
06-02
元学习 模型 MAML pytorch 代码 复现 可直接运行 元学习 模型 MAML pytorch 代码 复现 可直接运行
自适应模型不可知元学习
11-29
MAML算法在分类、回归和策略...在MAML引入一个名为阿尔法·MAML的扩展来解决这个缺点，该扩展结合了一个在线超参数自适应方案，消除了调整元学习和学习速率的需要。Alpha MAML: Adaptive Model-Agnostic Meta-Learning
股票交易进化策略的元学习
06-02
元学习算法了解学习过程本身，因此可以用较少的数据和迭代来加快后续的类似学习任务。 如果实现，这些好处将传统机器学习的灵活性扩展到时间或数据可用时间窗口较小的区域。 这样的领域之一就是股票交易，随着时间的...
MAML-v1.ipynb
03-01
这个文件里时我复现的MAML，也就是模型无关的元学习方法的实验代码的复现，有需要的朋友可以下载下来参考一下。
MAML-Pytorch:使用omniglot数据集在Pytorch中重现MAML
05-10
MAML-Pythorch 你可以在我的库中的数据集omn​​iglot： 这些是我最好的回购表现： 杂种 5次1发 MAML：$ 98.7 \ pm 0.4％$ 我们的：$ 97.5％$ 20路1杆 MAML：$ 95.8 \ pm 0.3％$ 我们的：$ 84.8％$ 20路5拍 MAML：$ 98.9 \ pm 0.2％$ 我们的：$ 94.4％$ miniImageNet 5次1发 MAML：$ 48.70 \ pm 1.84％$ 我们的：$ 49.15％$ 5路5射 MAML：$ 63.11 \ pm 0.92％$ 我们的：$ 62.26％$
Python-动手学深度学习例子的PyTorch实现
08-11
This is an attempt to modify Dive into Deep Learning, Berkeley STAT 157 (Spring 2019) textbook's code into PyTorch.
MAML-Pytorch代码阅读笔记
binger520886的博客
06-28 4543
正在更新中。。。。。。 参考博客： https://www.mutepad.com/2019/05/24/maml-%E8%AE%BA%E6%96%87%E5%8F%8A%E4%BB%A3%E7%A0%81%E9%98%85%E8%AF%BB%E7%AC%94%E8%AE%B0/ 代码：https://github.com/dragen1860/MAML-Pytorch MAML-pytorch： 首先看下网络结构： config = [(‘conv2d’, [32, 3, 3, 3, 1, 0]),(‘r
MAML学习
weixin_44295084的博客
09-11 1934
Meta Learning Deep-learning：从0开始训练一个模型 Meta-learning：模仿人类的学习过程，先学习一个Prior先验知识，并且利用这些知识，在新的问题上学的更快更好。通过学习到的模型，来学习新的模型；用【任务】生成【模型】。 Life-Long Learning VS Meta-Learning 都是通过任务的学习来应用到新的任务上。 Life-Long Learning：学习一个模型，然后将这一个模型运用到不同的任务上 Meta-Learning：对新的任务，用新的模型，
MAML算法:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks
qq_38109843的博客
01-07 499
论文：https://www.cs.utexas.edu/~sniekum/classes/RL-F17/papers/Meta.pdf 代码： tensorflow（官方）：https://github.com/cbfinn/maml pytorch：https://github.com/dragen1860/MAML-Pytorch 解析： 什么是元学习？ 文章提出了一种新的元学习 (Meta-learning) 的算法，这种算法与模型无关，从某种意义上说，它可以直接应用于使用梯度下降过程训练的任何学习
Model-Agnostic Meta-Learning （MAML）模型介绍及算法详解
chen695539389的博客
07-23 1517
在学习联邦学习过程中，有涉及到MAML的内容，这里将学习资料做转载 原文地址添加链接描述 MAML在学术界已经是非常重要的模型了，论文Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks自2017年发表至今已经收获了400+的引用。由于当前网上关于MAML的中文介绍少之又少，可能很多小伙伴对其还不是特别理解。所以今天我整理了这段时间来的学习心得，与大家分享自己对MAML的认识与理解。MAML可以用于Supervised Regre
学习笔记|元学习（Meta-learning）——让机器学习如何学习
oXiLang的博客
03-12 1064
元学习的意思即“学会如何学习” 。 在机器学习中，工作量最大也是最无聊的事情就是调参。我们针对每一个任务从头开始进行这种无聊的调参，然后耗费大量的时间去训练并测试效果。因此，一个直观的想法是：我们是否能让机器自己学会调参，在遇到相似任务时能够触类旁通、举一反三，用不着我们从头开始调参，也用不着大量标签数据重新进行训练。
MAML元学习框架||与模型无关的元学习
VIEO
04-28 1万+
元学习论文总结||小样本学习论文总结 2017-2019年计算机视觉顶会文章收录 AAAI2017-2019 CVPR2017-2019 ECCV2018 ICCV2017-2019 ICLR2017-2019 NIPS2017-2019 论文翻译：https://blog.csdn.net/weixin_41803874/article/details/91454944 目录 ...
元学习MAML参数更新过程
03-20
其中，模型无关的元学习（Model-Agnostic Meta-Learning，MAML）是一种常见的元学习算法之一。 MAML的参数更新过程可以分为两个阶段：内循环和外循环。 在内循环中，MAML通过在每个任务上进行少量的梯度下降迭代来...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值