网站做好了 后期怎么做,网站设计行业前景,白云区建设局网站,wordpress 修改管理员头像现在在做元学习的时候#xff0c;我们最常拿来测 试元学习技术的任务叫做少样本图像分类#xff0c;简单来讲就是每一个任务都只有几张图片#xff0c;每一 个类别只有几张图片。比如我们使用图1的案例为例说明。现在分类的任务是分为三个 类别#xff0c;每个类别都只有两… 现在在做元学习的时候我们最常拿来测 试元学习技术的任务叫做少样本图像分类简单来讲就是每一个任务都只有几张图片每一 个类别只有几张图片。比如我们使用图1的案例为例说明。现在分类的任务是分为三个 类别每个类别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可以知道这张图片属于哪一个类别。在做这种少样本图像分类的时候我们会常看到一个名词叫做N类别K样例下的分类任务这个名词 是什么意思呢N类别K样例的分类任务它的意思就是在每一个任务里面我们有N个类 别而每一个类别我们只有K个样例。举例来说在图1这个例子里面我们有三个类别 每一个类别只有两个样例那它就是3类别2样例分类。在元学习里如果我们要教机器能 够做N类别K样例分类那意味着说我们需要准备很多的N类别K样例下的分类任务当做 训练的任务这样机器才能够学到N类别K样例的算法。 图1 少样本的案例分析 那要怎么去找一系列的N类别K样例下的任务呢在文章中最常见的一种做法是使用 Omniglot 当做基准Omniglot 是一个手写的数据集它有 1623 个不同的字符每一个字符 有20 个样例。那有这些字符以后呢我们就可以去制造N类别K样例下的分类。比如我们 从Omniglot 里面选出 20 个字符然后每一个字符就只取一个样例这样就得到一个20 类 别1样例的分类任务。如果我们把这个任务当做训练数据那我们就可以让机器学习到20类 别1样例的分类算法。如果我们把这个任务当做测试数据那我们就可以测试机器在20类别 1 样例的分类任务上的表现。同理我们可以制造出20类别5样例的分类任务这个任务里 面每一个类别都有5个样例然后我们可以把这个任务当做训练数据让机器学习到20类别 5 样例的分类算法。 在使用Omniglot 的时候我们会把字符分成两半一半是拿来制造训练任务的字符另 外一半是拿来制造测试任务的字符。如果我们要去制造一个N类别K样例的任务那么就是 从这些训练任务的字符里面先随机采样N个字符然后这N个字符每个字符再去采样K个 样例集合起来就得到一个训练的任务。对于测试的任务就从这些测试的字符里面拿出N 个字符然后每个字符采样K个样例你就得到一个N类别K样例下的测试任务。这样我 们就可以把Omniglot 当做一个基准然后在这个基准上面测试不同的元学习算法。 总之元学习不是只能用非常简单的任务今天在学界已经开始把元学习推向更复杂的 任务我们也一直希望未来元学习这个技术能够真的用在现实的应用上可以走得多远好。
