元学习是一种让机器在有限样本中学习新任务的能力，适用于小样本学习，如 Few-shot classification。它与传统机器学习不同，元学习寻找的是学习算法F，而非单一函数f。通过对多个任务的学习，元学习自动优化参数初始化、更新方法和神经网络结构，提高在新任务上的表现。
Meta Learning 元学习
元学习在很多领域都有应用，本文将通俗易懂的分享Meta-learnign元学习的基本知识，主要分为两个部分：
1、什么是元学习
2、元学习和机器学习的区别
一、什么是元学习
1.简单引入
我们都知道一个好的机器学习模型通常需要搭配大量的样本去训练，当样本不足的情况下，可能最后的结果也不会尽如人意。和人类一样，一个成年人通过常年累积的学习，很容易去学习一个新事物、辨别两个不同的东西，比如会骑自行车的人大概率会在没有示范的情况下学会骑摩托车；但是小孩子还需要多次的学习才可以区分猫和狗。
因此，我们提出能不能提出一种类似的机器学习模型，在训练一些任务的时候同时获得一种学习新任务的能力，学习怎么去学习，并且把这种学习的方法推广到其他任务之中，这样可能在训练样本较少的时候能够发挥作用，元学习应运而生。
举个例子来讲元学习的实际用途，最简单的就比如：一个在不是猫的图像上训练的分类器可以用来判断给定
最低0.47元/天 解锁文章
1141
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
