Meta Learning
元学习数据集和常规机器学习方法区别 #card
喂入元学习的基本数据单位不再是一条条单独的样本，而是一个个任务(Task)。
一个Task内部又包含两个数据集：
一个是训练集（元学习领域又称Support Set）
另一个是测试集（元学习领域又称Query Set）
Meta Learning示意图
- 任务内学习(Within-Task Learning) #card
跨任务学习(Across- Task Learning)：用到了一个batch内所有任务的数据 #card
- 假设训练一个批次(batch)有N个任务，总损失就是所有任务的测试集上的损失之和
如何根据 $L_{\text {meta }}(\phi)=\sum_{n=1}^N l_n=\sum_{n=1}^N \mathrm{~L}\left(D_n^{\text {test }} \mid \theta_n^*\right)$ 学习最优的模版配置 theta #card
