什么是元学习

元学习介绍

元学习希望能够使得模型获取调整超参数能力，使其可以在获取已有的知识基础上，快速学习新任务。

元学习目的

元学习和机器学习的区别在于：机器学习是先人为调参，之后直接训练特定任务下的深度学习模型，元学习则是先通过其他的任务训练出一个较好的超参数。然后再对特定的任务进行训练。

这些超参数可以是初始化参数、选择优化器、定义损失函数、梯度下降更新参数等等。

元学习流程

在机器学习中，训练单位是样本数据，通过数据来对模型进行优化，数据可以分为$训练集、测试集和验证集$
在元学习中，训练单位是任务，一般有两个任务，分别为$训练任务$（Train tasks),和测试任务Test task。

训练任务

在训练任务中，给定$h$个子训练任务，每个子训练任务的数据集分别为Support set和Query set.

• 首先，通过这$h$个子任务的Support set训练，分别训练出针对各个子任务的模型参数${\theta }_k^{\ast }$
• 然后用不同子任务的Query set，分别去测试${\theta }_k^{\ast }$的性能，并计算预测值$P_i^{kq}$和真实标签$Y_i^{kq}$的损失$I_k$
• 接着整合这$h$个损失函数$L(\varphi )$
• $$L(\varphi )=l_1+l_2+l_3+\cdots ,+l_h$$
• 最后利用梯度下降法去更新超参数$\varphi$去更新参数
• 
• 

测试任务

测试任务是正常机器学习的过程，其将数据集划分为训练集和测试集。
训练任务的目的是找到一个好的超参数设置${\varphi }^{\ast }$
利用这个先验知识，可以对特定的测试任务$f$进行更好的训练。