DL概念之zero-shot learning

最新推荐文章于 2024-03-18 08:25:58 发布
最新推荐文章于 2024-03-18 08:25:58 发布
阅读量287 收藏
点赞数
分类专栏： 深度学习
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/qinghange/article/details/84942112
版权

Zero-shot learning

      zero-shot learning 指在训练模型时，没有这个类别的训练样本。但是我们可以学习到一个映射/模型X->Y。若此映射/模型足够好的话，我们就可以处理没有看到的类了。 比如，我们在训练时没有看见过狮子的图像，但是我们可以用这个映射得到狮子的特征。一个好的狮子特征，可能就和猫，老虎等等比较接近，和汽车，飞机比较远离。

       感性认识：感性认识的话，虽然我们不知道这东西叫狮子，但是我们可以说出他和谁谁谁像。（生物学家第一次看到鸭嘴兽的感觉。）

       

One-shot learning

One-shot learning 指我们在训练样本很少，甚至只有一个的情况下，依旧能做预测。  如何做到呢？可以在一个大数据集上学到general knowledge（具体的说，也可以是X->Y的映射），然后再到小数据上有技巧的update。

其实Zero/One-shot learning都属于transfer learning/domain adaption，要点在于先学到好的X->Y的关系，希望能应用到其他问题上。

reference:

          https://www.zhihu.com/question/50996014#answer-44952765

 

 

一 方
关注
专栏目录
大语言模型的zeroshot学习原理与代码实例讲解
AGI通用人工智能之禅
06-22 137
随着人工智能技术的不断发展，大语言模型在自然语言处理领域取得了巨大的成功。然而，传统的大语言模型通常需要大量的有监督学习数据来进行训练，这对于一些数据稀缺的任务或领域来说是一个挑战。zero-shot learning 作为一种新兴的学习范式，为解决这个问题提供了一种可能。zero-shot learning 旨在让模型在没有任何有监督数据的情况下，仅仅通过对语言的理解来完成各种任务，例如文本生成、问答系统和语义理解等。
PyTorch深度学习实战（40）——零样本学习(Zero-Shot Learning)
最新发布
盼小辉丶的博客
04-01 2861
零样本学习 (Zero-Shot Learning) 旨在解决传统监督学习中，当训练数据中不存在某个类别的样本时，如何对该类别进行分类的问题。在传统监督学习中，分类模型需要通过训练数据学习到每个类别的特征和模式，并在测试阶段根据这些学习到的知识对新样本进行分类。然而，在现实世界中，我们无法获得所有可能类别的训练样本，因此零样本学习成为了一种重要的解决方案。在本节中，我们将学习零样本学习的基本概念，并使用 PyTorch 实现零样本学习模型。
Zero-Shot Learning零样本学习 入门 基本概念
River_J777的博客
12-19 1735
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
（转）零次学习（Zero-Shot Learning）入门
热门推荐
一路向北
08-22 4万+
零次学习（Zero-Shot Learning）入门 小栗子    转自：https://zhuanlan.zhihu.com/p/34656727?spm=5176.9876270.0.0.399ce44aXsg7cN  谢谢作者 事物的本质反映世界构成的规律 408 人赞了该文章 很久没有更文章了，主要是没有找到zero-shot learning(ZSL)方面我特别想要分享的...
Zero-shot learning（零样本学习）
weixin_30341735的博客
07-07 1665
一、介绍 在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就是为了解决这种问题。在ZSL中，某一类别在训练样本中未出现，但是我们知道这个类别的特征，然后通过语料知识库，便可以将这个类别识别出来。 ...
零次学习（Zero-Shot Learning）
HelloWorld的博客
05-24 2104
这可以通过多种方式实现，例如，可以训练一个神经网络，使得同一类别的样本的特征在类别嵌入空间中尽可能接近，而不同类别的样本的特征在类别嵌入空间中尽可能远离。请注意，这只是ZSL的一个非常简化的版本，实际的ZSL模型可能会考虑更复杂的情况，例如类别间的关系，或者使用更复杂的映射函数等。我建议你在阅读这些论文的同时，也查阅一下他们的引用文献，以了解更多相关的工作。零次学习（Zero-Shot Learning，ZSL）的基本原理是通过学习已知类别和语义描述之间的映射，从而理解并识别新的、未曾见过的类别。
Zero shot learning
qq_51143009的博客
12-02 3272
Zero shot learning 主要考察的问题是如何建立语义和视觉特征的关系（视觉特征一般用预训练好的CNN提取特征，不再进行fine-tine） 为了预测从未在训练集上出现的目标种类，仿照人的思维迁移，能根据某些特征描述（他和谁长得像，有点类似于科学家第一次看见鸭嘴兽的感觉），猜测一个从未见过的目标种类。 Zero shot learning:假设斑马是未见过的类别，但根据描述和过去知识的印象即马（和马相似）、老虎（有条纹）、熊猫（颜色）相似进行推理出斑马的具体形态，从而能对新对象进行辨认。 零
2、改进的 DL-AMR方法45分，分析few-shot/zero-shot/Transferlearning方法的原理，特点和优势。
05-11
Few-shot、Zero-shot和Transfer Learning是三种常见的迁移学习方法，可以用于改进DL-AMR方法。 1. Few-shot Learning：Few-shot Learning是指在数据量较少的情况下，通过学习少量的样本数据来完成任务。其核心思想...
PyTorch深度学习实战（39）——小样本学习(Few-shot Learning)
盼小辉丶的博客
03-18 2957
小样本学习 (Few-shot Learning) 旨在解决在训练集中只有很少样本的情况下进行分类和推理的问题。在小样本学习中，我们希望通过利用已有的少量样本和先验知识来进行泛化，以便在面对新的、未见过的类别时能够做出准确的预测。这就要求模型能够从有限的训练样本中提取出有用的信息，并能够将这些信息应用到新类别的样本中去。在本节中，将介绍孪生、原型和关系网络的原理，并使用 PyTorch 实现孪生网络。
Few-shot Learning survey-详细易懂-小样本综述
mohong96的博客
10-23 4274
目 录 1. 半监督学习 semi-supervised learning 3 1.1 基本概念 3 1.2 半监督学习的应用 4 1.3 半监督学习方法结构 5 1.4 半监督深度学习 6 2. 主动学习（Active Learning） 7 2.1 基本概念 7 2.2 应用领域以及场景 7 2.3 研究现状...
文本分类: 零SHOT学习、跨语言迁移学习、零样本学习
程序员光剑
08-03 1592
文本分类任务通常可以分为两类，一类是多标签分类(multi-label classification)，另一类是单标签分类(single-label classification)。本文将从零SHOT学习、跨语言迁移学习、零样本学习三个方面对文本分类进行介绍。
Zero-shot Learning学习笔记
爱学习爱运动的专栏
11-01 706
Zero-shot Learning学习笔记
Zero Shot | 一文了解零样本学习
zenRRan的博客
01-11 1万+
每天给你送来NLP技术干货！来源｜知乎 作者｜恒大大地址｜https://zhuanlan.zhihu.com/p/142057964报道｜人工智能前沿讲习网上有一些关于零样本学习的讨论...
Zero-shot Learning / One-shot Learning / Few-shot Learning
清风与归
01-04 677
本文转载自https://blog.csdn.net/JNingWei/article/details/79235019，感谢原博主整理分享 1. Introduction 在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / One-shot L...
Zero-shot Learning 综述2
xiaohuilang6的博客
04-26 629
3. 非线性映射 典型文章：Latent Embeddings for Zero-Shot Classification (LatEm)-2016 CVPR 通过一个隐变量，将SJE模型扩展为非线性 学习线性兼容函数并不特别适合于具有挑战性的细粒度分类问题。对于细粒度分类，需要一个能够自动将具有相似属性的对象分组在一起的模型，然后为每个组学习一个单独的兼容性模型。例如，可以分别学习两种不同的线性函数来区分棕色翅膀的蓝鸟和其他蓝色翅膀的蓝鸟。 主要贡献： 提出学习线性模型的集合，同时允许每个图像类.
zero-shot learning
keyanxiaocaicai的专栏
12-17 671
转载自：https://www.zhihu.com/question/50996014
Zero-shot Learning
王尚权 qq:2515162716
03-26 404
https://zhuanlan.zhihu.com/p/34656727?spm=5176.9876270.0.0.399ce44aXsg7cN https://blog.csdn.net/tianguiyuyu/article/details/81948700
Zero-Shot learning
qq_38096703的博客
06-14 1万+
Zero-Shot learning在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就是为了解决这种问题。在ZSL中，某一类别在训练样本中未出现，但是我们知道这个类别的特征，然后通过语料知识库，便...
评论
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