Meta Learning

learn to learn

meta-X ---》X about X

学习如何学习

machine Learning是寻找一个函数定义损失优化

什么是元学习？

训练资料作为输入

LOSS取决于训练任务，每个任务中有训练资料与测试资料

在元学习中需要考虑多个任务例如分类过task1的表现后，再看task2的表现

最后的loss=$l_1$ + $l_2$

得到总体的loss

在传统机器学习任务中，我们一般使用训练集的误差作为最终loss

而在元学习中我们使用测试集误差作为loss

经过训练后我们学到了学习的算法

这时候我们使用学习的算法进行测试

将其使用在测试任务，将测试任务的训练资料放进去进行学习

学出来一个分类器将其作用在测试任务的测试集中

few shot Learning 与元学习的关系：fewshot（目标）经常使用元学习（手段）

开始套娃

都有over fitting

都要调参但是meta是调调参的参数一劳永逸