总结一下元学习的概念
meta-learning主要是为了解决冷启动或者数据很少的情况,它的想法是学习到任务空间中的一个最优点,这个点与所有任务的最优解是最近的,也就是说学习到一个更好的泛化模型。本质上来说,meta-learning学习的其实是模型参数的一个最优初始化参数。
MAML
下面这幅图比较形象地说明了MAML学习的过程:
代表一个任务模型的参数矩阵,比如说CNN的权重等等。meta-learner就是通过梯度下降去逼近离
最优解最近的点。
Meta-SGD
除meta-learner以外还将步长考虑进去,即更新的是
和
两个参数。