知识卡片
用N-way K-shot描述任务
是什么:N-way K-shot 是小样本任务的规模记号。N 是类别数,K 是每个类别的标注样本数。5-way 1-shot 表示 5 个类别、每类只有 1 个样本;3-way 1-shot 就是三类各一张图。K 常见取 1 或 5,K 越小越难。
用途:它把“数据很少”量化成一个可比较的实验设置,让不同方法在同一难度下评测,也用于描述支撑集大小与任务难度。
对照:常规监督学习每个类别动辄几十到几千个样本——鸢尾花每类 50 个已算小数据集,MNIST 每类 5000 个对深度学习仍然偏小。N-way K-shot 的样本量比这低一到三个数量级,所以不能指望模型靠拟合取胜。
边界与代价:K-shot 只描述“给模型看多少”,不描述类别难度——类间越相似,同样的 N-way K-shot 越难;评测通常要采样多个回合取平均,单次结果噪声很大;N 与 K 一换,超参数往往要重调。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 小样本学习 · 查看原书依据
常见的 值是1或5。例如,在一个5-way 1-shot的任务中,意味着会有5个不同的标签,每个标签仅有一个样本。
参考来源
- 位置:《大模型技术30讲》第3讲 小样本学习(源文件:extracted/大模型技术30讲/_epub-src/EPUB/xhtml/chapter01_0007.xhtml)
- 结论依据:第3章 3.1 数据集与术语:N-way K-shot 定义与 5-way 1-shot 举例
- 原始内容:常见的 值是1或5。例如,在一个5-way 1-shot的任务中,意味着会有5个不同的标签,每个标签仅有一个样本。