元学习笔记——MAML

元学习

元学习（meta-learning），或者学会学习（learning to learning），指通过学习一系列相似任务，归纳（抽象）出这些任务的本质规律（通用属性——权重/超参）。当面对全新的任务时，可以根据学得的规律，做微调，便可快速适应。

元学习架构

元学习现状

1 基于模型 model-based
数据一次性喂入，学习1个模型的参数
2 基于度量 metric-based
学习核变换参数
3 基于优化 optimization-based
学习元模型参数

MAML

模型无关的元学习model agnostic meta learning ，包括一个base-model learner和一个meta-learner，每个base-model learner 学习一个specific task，meta-learner学习多个specific task的平均性能θ，作为新任务的初始化参数。

算法原理

所有任务共享初始参数θ，学习