读元学习MAML有感

本文介绍了元学习的基础概念,重点解析了元学习中的MAML算法。通过图示和代码解释,阐述了MAML的训练过程,包括Support和Query集合的使用,以及模型参数的更新策略。提供了一个来自GitHub的MAML-Pytorch实现的代码分析,帮助读者深入理解算法细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

读元学习MAML有感

MAML是什么

在开始讨论之前,我们先简单复习一下什么是元学习。元学习,顾名思义,是一种基于Task驱动的学习。
在这里插入图片描述

如上图所示,这是一个识别皮神和憨憨的任务,其中Support集合是用来训练,Query用于补充和验证。如果用 θ \bm{\theta} θ表示整个网络,那么其过程应如下表示之。

在这里插入图片描述

图中元学习得到的 θ ∗ \bm{\theta}^* θ位于第一个任务最优解 θ 1 ∗ \bm{\theta}_1^* θ1和第二个任务最优解 θ 2 ∗ \bm{\theta}_2^*

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值