meta learning

最新推荐文章于 2024-02-26 00:12:43 发布
VIP文章 最新推荐文章于 2024-02-26 00:12:43 发布
阅读量445 收藏 1
点赞数
分类专栏： 李宏毅ML+DL
小陈一行一行地敲出来的啦~
本文链接：https://blog.csdn.net/weixin_41391619/article/details/105365270
版权

        差不多要一个月没有看李老师的视频了，昨天终于又点开了收藏夹里的视频，OK，开始吧~

文章目录

一.概述

1.什么是meta learning

在这里插入图片描述
        像上图蓝色笔圈起来说的，当准备用一个神经网络解决一个任务时，神经网络的架构（比如是CNN还是RNN,是VGG还是resnet）、初始值的设定、参数更新方式（比如是SGD还是Adam）都是我们自己决定的，meta learning的目的就是学习一个F，这个F能针对不同的任务，给出解决问题的最好NN。（可能不一定是最合适的，但是比我们自己瞎设定初始值、更新方式会好一点）

2.meat learning和machine learning的区别

最低0.47元/天 解锁文章
缦旋律
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MetaLearning
03-29
人工智能前沿研究，元学习研究资料—Meta-Learning: A Survey，Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networ，Online Meta-Learnin，Task Agnostic Meta-Learning for Few-Shot Learning
当我们在读论文的时候我们在读什么？「方法论」「AI核心算法」
九三智能控
12-10 176
关注：决策智能与机器学习，深耕AI脱水干货作者：王晋东来源：王晋东不在家转载请联系作者顶会paper越来越多，仅最近公布出来的NeurIPS 2020就有1900篇，试问谁能看的过来...
元学习（meta-learning）的通俗解释
最新发布
Flag_ing的博客
02-26 3084
还以目标检测为例，仍然拿一个很大的数据集来训练模型，而 meta-learning 的目标不是让模型在没见过的图片中学会分辨训练集中提到过的类别，而是让模型学会分辨事物的异同，学会分辨这两者是相同的东西还是不同的东西，当模型学会分辨异同之后再在具体的分类任务中使用极少的数据集训练很少的次数即可达到甚至超越传统目标检测训练范式的效果（这种方式也称为。以上是元学习在目标检测方面的一种应用，通过元学习训练模型提取不同种类图片的特征，然后在这个预训练的模型的基础上实现快速辨别新的图片种类。元学习可以用来学算法。
meta-learning 2018文章总结
VIEO
06-27 4406
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 作者：Flood Sung 链接：https://zhuanlan.zhihu.com/p/40600485 目录 1 前言 2 Pape...
元强化学习初步
rockray21的博客
09-19 1770
元强化学习如有错误，欢迎指正所引用内容链接元学习元学习方法HyperNetwork 生成参数Conditional Neural Network 条件神经网络MAML 基于梯度的做法优缺点元强化学习概念元强化学习背景元强化学习内容元参数未来方向个人感想 如有错误，欢迎指正 本篇为自我学习过程中的要点记录，仅作学习使用。 所引用内容的链接将全部粘贴于下方，如有侵权，请与本人联系。 所引用内容链接 让机器像人类一样学习? 伯克利 AI 研究院提出新的元强化学习算法: https://www.leiphone.c
让机器学习“如何学习”！从零开始读懂MAML！
AI蜗牛车
02-27 873
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...
【机器学习】Meta-Learning（元学习）
weixin_44211968的博客
11-14 1万+
文章目录前言从传统学习引出元学习对比机器学习和元学习如何实现元学习参考链接 前言 元学习Meta Learning，含义为学会学习，即learn to learn，带着对人类的“学习能力”的期望诞生的。Meta Learning希望使得模型获取一种 “学会学习” 的能力，使其可以在获取已有“知识”的基础上快速学习新的任务。 从传统学习引出元学习 传统的机器学习方法是针对一个特定的，一般是有大量数据的数据集 ，试图学习出一个预测模型 ，使得模型对于测试集上的数据的预测有最小的误差。这个思路在数据集 D
元学习（Meta-learning）简介
热门推荐
stay hungry, stay foolish.
10-25 4万+
元学习（Meta-learning）简介。
Hands-On Meta Learning with Python.epub
07-05
Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow
2009_Book_Metalearning.pdf
07-29
英文版。很好的资源，适合机器学习以及人工智能爱好者。
元学习-MAML-资源整合
12-17
借鉴其他的博主写的文章，以及自己的理解做的笔记，通过这个word的笔记，可以清楚的掌握MAML的算法理论以及实际使用时的简化，参考链接在文章里面，此文章免费下载。
miniImagenet 数据集 百度云 链接
11-15
miniImagenet 百度云 下载地址 ,找了很久 大小:2个多G
metalearning_tutorial.pdf
08-25
ICML2019 Meta-learning tutorial.ICML 是 International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。
MetaLearning-TF2.0：带有Tensorflow 2.0的元学习框架
02-14
元学习框架TF 2.0 这是一个框架，可以轻松地将元学习技术应用于不同的数据集。 该存储库涵盖了包括UMTRA在内的几种元学习算法。 有关UMTRA发布期间的存储库，请转到 。 只需单击一下即可读取数据集并生成训练/...
meta-learning（元学习）是什么？
简单记录生活、学习
08-25 2281
什么是元学习？
Meta-learning（元学习与少样本学习）
nakaizura
02-06 5709
Meta-learning（元学习） 虽然目前很多暴力堆算力堆数据的模型取得了很好的效果，但由于有些数据很难收集到，或者大量的标注耗费人力太多，关于元学习的研究也很多。特别是比如人类往往只需要通过少量数据就能做到快速学习，甚至不需要数据仅仅凭概念就可以完成推理。这种能力基本就属于元学习的范畴，或者机器学习领域中的zero-shot，few-shot learning了，首先看看概念： Meta-learning，元学习。学习怎么去学习。所谓“元”对应着人类在幼儿时期就掌握的对世界的基础知识和行为模式的理解
MAML——模型无关元学习(reptile)(Meta Learning) & Pytorch实现
hxxjxw的博客
08-20 3185
MAML,Model-Agnostic Meta-Learning, 模型无关元学习
元学习概述（Meta-Learning）
一只攻城狮的博客
01-14 3万+
转载自： 凉爽的安迪-深度瞎学 一文入门元学习（Meta-Learning） 写在前面：迄今为止，本文应该是网上介绍【元学习（Meta-Learning）】最通俗易懂的文章了（ 保命），主要目的是想对自己对于元学习的内容和问题进行总结，同时为想要学习Meta-Learning的同学提供一下简单的入门。笔者挑选了经典的paper详读，看了李宏毅老师深度学习课程元学习部分，并附了MAML的代码。为了通俗易懂，我将数学推导和工程实践分开两篇文章进行介绍。如果看不懂，欢迎来捶我（ ）~~如果大家觉得有帮...
metalearning
09-18
Metalearning，也被称为元学习、学习到学习，指的是一种关注学习本身的学习方法和技术。它致力于提高学习效果和效率，帮助个体更好地适应新的学习任务和环境。 Metalearning的研究内容主要包括两个方面：学习算法和...

“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
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