摘要:
这节课学习了meta learning(元学习)
元学习是通过一系列task的训练,让机器成为一个更好的学习者,当机器遇到新的学习任务时,就能更快的完成。类比到现实生活中,元学习不是指某一类的知识内容,更像是学习一种学习方法
meta learning和机器学习的步骤大体相同,只是将函数替换成学习算法。区别在于元学习中训练任务中包括训练数据和测试数据。而机器学习只有训练数据。
这节课中,meta learning讲了两种方法maml和reptile,以初始化参数为例,介绍了这两种方法和pre-train的区别:pre-train关注当前初始化参数θ的表现,而maml更在意训练之后θ的好坏。在一定条件下,reptile更像是maml和pre-train的结合。
目录
一、什么是Meta learning
让机器学习如何去做学习
机器在经过一系列的学习任务后,可以将学到的知识用在新的学习任务中,成为一个更好的学习者。这样在遇到新的学习任务时,机器能够能快的完成。-
机器学习指的是找到满足需求的函数f,以下图为例,f的任务是对图像识别。
Meta learning指的是找到产生f的函数F,向F输入训练数据,可以产生满足需求的f。
Meta learning的步骤与machine learning类似,机器学习的步骤是:
1.定义函数集
2.评估函数的好坏(也就是找到loss函数)
3.选择最好大的函数
与machine learning的差别,只需要把函数f改成学习算法F