多任务学习在深度学习中简单使用

多任务学习顾名思义就是在某一进程中实现多个任务，举例来说，我们在看到一辆自行车时，会看到自行车的两个车轮，颜色，车辆标志，车辆形状，这基本都是在同一时间就可以获得的信息。而对于深度学习模型面对各式各样的需求，也需要一个模型能够实现多个任务。

首先介绍深度学习的两个简单的模型构建方式：

多任务学习基础的模型结构大致为：

（1）交替学习

交替学习的概念为模型存在共享层，但是在训练过程中是交替进行的，且损失函数和优化函数是独立的。例如给定一个选择比例（随机选择或者固定概率选择），让任务1的一个batch在此次进行训练，让任务2的一个batch在下次进行训练。

从图中可以看出，交替训练是损失函数并未相加，而是独立存在，因此只要使其能够在训练时实现交替训练。

交替