meta之change bias之filter learning篇（1）

今日两弹有关Filter Learning的文章分享

文章具体对比如下：
第一篇的模型思想不难想像，作者希望在实际测试场景下，模型中的某些参数是依赖于输入测试样本的。考虑如下的场景：当我们在看到一个人的侧脸时，人可以“脑补”出这个人的正脸。作为训练好的模型，我们也希望她能够根据现实中的一些场景进行合理的联想和改变—反映到模型参数上就是希望参数是一些条件输入的函数，就比如前面人脸的例子。现在我们一起来看看，为了实现，作者是怎么做的：

对于左图所示模型，卷积后的output（对应的是图中显示output的地方）可以表示为，

G(i,j)