多任務學習權重的動態調整

       MTL多任務學習主要爲了多任務之間能夠共享信息。一般做法是將各任務的目標進行加權求和進行統一優化。如果各任務之間能夠做到互不競爭，每個任務將得以充分優化。然而，多任務學習容易造成某些任務占主導地位，其他任務無法優化充分。本文主要是關於兩篇動態調整多任務權重的論文的記錄。 1、Multi-Task Learning Using Uncertainty to Weigh Losses f

>>阅读原文<<