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
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
上图是老师的解释,感觉有点抽象,这里举一个例子:
有很多种怪兽(每一种怪兽都有很多只),相当于是需要我们解决的不同task;我们有很多种武器来对付不同的怪兽,武器就相当于图中的f,即某一具体的NN。
machine learning:
针对某种怪兽(即针对某一task),
我们目前已经捕获了一定数量的该种怪兽(即train_set),
根据这些被捕获的怪兽挑打磨出最适合对付该种怪兽的武器(即根据train_set找出最适合的f*);
但在