什么是元学习 (Meta Learning)
目录
- 元学习(Meta Learning)
- 元学习介绍
- 元学习目的
- 元学习流程
元学习(Meta Learning)
元学习介绍
元学习希望使得模型获取调整超参数的能力,使其可以在获取已有知识的基础上快速学习新的任务。
元学习目的
元学习和机器学习的区别在于:机器学习是先人为调参,之后直接训练特定任务下深度模型。元学习则是先通过其它的任务训练出一个较好的超参数,然后再对特定任务进行训练。
这些超参数可以是初始化参数、选择优化器、定义损失函数、梯度下降更新参数等。
元学习流程
在机器学习中,训练单位是样本数据,通过数据来对模型进行优化;数据可以分为训练集、测试集和验证集。
在元学习中,训练单位是任务,一般有两个任务分别是训练任务(Train Tasks),和测试任务(Test Task)。
(1)训练任务
在训练任务中给定hhh个子训练任务,每个子训练任务的数据集分为 Support set 和 Query set。
- 首先通过这hhh个子任务的 Support set 训练 ,分别训练出针对各自子任务的模型参数θk∗\theta^*_kθk∗。
- 然后用不同子任务中的 Query set 分别去测试θk∗\theta^*_kθk∗的性能,并计算出预测值PikqP^{kq}_iPikq和真实标签YikqY^{kq}_iYikq的损失lkl_klk。
- 接着整合这hhh个损失函数为L(φ)L(\varphi)L(φ):L(φ)=l1+...+lk+...+lhL(\varphi)=l_1+...+l_k+...+l_hL(φ)=l1+...+lk+...+lh
- 最后利用梯度下降法去求出超参数φ\varphiφ去更新参数{θi∗}i=1k\{\theta^*_i\}^k_{i=1}{θi∗}i=1k,从而找到最优的超参设置φ∗\varphi^*φ∗;如果φ∗\varphi^*φ∗不可求,则可以采用强化学习或者进化算法去解决。
(2)测试任务
测试任务是正常的机器学习的过程,它将数据集划分为训练集和测试集。
训练任务的目的是找到一个好的超参设置φ∗\varphi^*φ∗,利用这个先验知识可以对特定的测试任务fff进行更好的进行训练。
参考文献:
- 一文通俗讲解元学习(Meta-Learning)
什么是元学习 (Meta Learning)相关推荐
- 元学习(meta learning) 最新进展综述论文,28页pdf
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本文综述了元学习在图像分类.自然语言处理和机器人技术等领域的应用.与深度学习不同, ...
- 元学习Meta Learning/Learning to learn
目录 元学习 训练 用途 学习方法 元学习和迁移学习的区别和联系 元学习 Meta Learning/Learning to learn即利用以往的知识经验来指导新任务的学习,使网络具备学会学习的能力 ...
- 初识元学习-Meta learning
目录: meta learning的出现 1.meta learning的出现 Meta Learning,元学习,也叫 Learning to Learn(学会学习).是继Reinforcement ...
- 元学习Meta learning深入理解
目录 基本理解 元学习与传统的机器学习不同在哪里? 基本思想 MAML MAML与pre-training有什么区别呢? 1. 损失函数不同 2. 优化思想不同 MAML的优点及特点 MAML工作机理 ...
- 元学习—Meta Learning的兴起
来源:专知 [导读]元学习描述了训练深度神经网络相关的更高级别的元素.在深度学习文献中,"元学习"一词经常表示神经网络架构的自动化设计,经常引用" AutoML" ...
- 元学习(meta learning)和小样本学习(few-shot learning)
Meta learning few-shot learning是meta learning中的一种.可将few-shot learning看做是meta leaning即可. Meta learnin ...
- 《元学习meta learning)》2020综述论文大全!
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! [导读]元学习旨在学会学习,是当下研究热点之一.最近来自爱丁堡大学的学者发布了关于 ...
- 一文弄懂元学习 (Meta Learing)(附代码实战)《繁凡的深度学习笔记》第 15 章 元学习详解 (上)万字中文综述
<繁凡的深度学习笔记>第 15 章 元学习详解 (上)万字中文综述(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net ...
- Meta Learning在NLP领域的应用
Hi,这里是哈林,今天来跟大家聊一聊Meta Learning在NLP领域的一些应用. 哈林之前在学校科研的方向是NLP,个人对如何将先进的机器学习算法应用到NLP场景很感兴趣(因为好水paper), ...
最新文章
- 为什么数据挖掘很难成功?
- 项目创建venv、_都2020年了,居然还有人没有在数据科学项目中使用Docker?
- Mysql小练习(2)
- 深入探讨ROP 载荷分析
- 4.1.4 OS之文件的物理结构(连续分配、链接分配[隐式-显式]、索引分配[链接方案-多层索引-混合索引])
- 【DP】Rotating Substrings(CF1363F)
- python怎么存储数据_Python:如何在类中存储数据并继承
- 安装torch_sparse失败解决方法
- 多目标遗传算法与优化的关系
- cc2530定时器和捕获比较_STM32学习笔记07—基础定时器实验
- Vfed大橙子模板 苹果cms自动采集 的方法
- 放慢脚步是为了走得更快
- 什么是域名(Domain Name ) ?
- 数据库系统是由那些组成的?
- 西游记中人物对应PMP项目管理中的角色分析
- 《期权、期货及其他衍生产品》读书笔记(第九章:价值调节量)
- 抖音微商引流之抖音实战引流技巧,,抖音/快手/火山热门技术---
- Statistics Foundations: 2 统计基础:2 Lynda课程中文字幕
- 如何成为一名合格的数据科学家(IT专家网)
- 微信真机调试时出现 (in promise) MiniProgramError {“errMsg“:“hideLoading:fail:toast can‘t be found“} Object