Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks Chelsea 論文筆記

前言 本文提出了一種元學習算法，它與模型無關並且通用性很強，可以直接應用到各種由梯度下降訓練的模型上，並且適用於很多學習問題，包括分類，迴歸和強化學習。本文提出的算法的關鍵思想是訓練模型的初始化參數，這樣當模型在處理來自一個新任務的少量數據時，通過一次或幾次梯度更新後，模型就能在新任務中表現出較好的性能。本文的元學習算法有以下特點： 不同於以往的元學習方法需要學習更新函數或更新規則，本文的方法既不

>>阅读原文<<