Zero-shot Learning / One-shot Learning

Introduction

在 遷移學習 中，因爲傳統深度學習的 學習能力弱，每每須要 海量數據 和 反覆訓練 才能修得 泛化神功 。爲了 「多快好省」 地通往煉丹之路，煉丹師們開始研究 Zero-shot Learning / One-shot Learning / Few-shot Learning。

愛上一匹野馬 (泛化能力)，可個人家裏沒有草原 (海量數據) 。

Learning類型

分爲： 
Zero-shot Learning、One-shot Learning、Few-shot Learning、傳統 Learning 。

Zero-shot Learning

Zero-shot Learning，零次學習。

成品模型 對於 訓練集 中 沒有出現過 的 類別，能自動創造出相應的映射： XX -> YY。

既要馬兒跑，還 不讓 馬兒吃草。

One-shot Learning

One-shot Learning，一次學習。
訓練集中，每一個類別 都有樣本，但都只是 少許樣本 。

既要馬兒跑，還不讓馬兒 多 吃草。 

Few-shot Learning

Few-shot Learning，少許學習。

也即 One-shot Learning 。

傳統 Learning

即傳統深度學習的 海量數據 + 反覆訓練 煉丹模式。

家裏一座大草原，馬兒馬兒你隨便吃。