知识卡片
少样本任务用类别数和样本数描述
N-way K-shot 分类任务包含 N 个类别,每类支持集有 K 个标注样本;模型从支持集适应后,在独立查询样本上预测。跨任务评估应让测试任务及其类别划分符合预期的泛化场景。
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
- · 第15章 元学习
原书出处 · 1 处
- 元学习 15.5 元学习的应用 · 查看原书依据
本节简单介绍元学习的一些应用. 在做元学习的时候,我们最常拿来测试元学习技术的任务是少样本图像分类. 简单来讲,就是每一个任务只有几张图片,每一个类别也只有几张图片.我们拿图15.10 所示的案例来说明. 这个分类任务涉及三个类,每个类都只有两张图片作为输入,我们希望通过这样一点点的数据就可以训练出一个模型,也就是给这个模型一张新的图片,它知道这张图片属于哪个类别.在做这种少样本图像分类的时候,我们会经常看到一个名词——类 样例分类,这个名词是什么意思呢?意思就是每一个任务只有个类,而每一个类只有个样例.举例来说,图15.10 就是3类别2样例分类.在元学习中,如果要教机器做类 样例分类,则意味着需要准备很多的类 样例分类任务当作训练任务和测试任务,这样机器才能学到类 样例的分类算法.
参考来源
- 位置:《深度学习详解》第15章《元学习》15.5 元学习的应用(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter15.xhtml`)
- 结论依据:原文及本章 MAML 参考文献说明任务内训练、跨任务评价和快速适应;MAML 目标按适应后损失表述。
- 原始内容:本节简单介绍元学习的一些应用. 在做元学习的时候,我们最常拿来测试元学习技术的任务是少样本图像分类. 简单来讲,就是每一个任务只有几张图片,每一个类别也只有几张图片.我们拿图15.10 所示的案例来说明. 这个分类任务涉及三个类,每个类都只有两张图片作为输入,我们希望通过这样一点点的数据就可以训练出一个模型,也就是给这个模型一张新的图片,它知道这张图片属于哪个类别.在做这种少样本图像分类的时候,我们会经常看到一个名词——类 样例分类,这个名词是什么意思呢?意思就是每一个任务只有个类,而每一个类只有个样例.举例来说,图15.10 就是3类别2样例分类.在元学习中,如果要教机器做类 样例分类,则意味着需要准备很多的类 样例分类任务当作训练任务和测试任务,这样机器才能学到类 样例的分类算法.