Meta Learning
learn to learn
meta-X ---》X about X
学习如何学习
machine Learning是寻找一个函数 定义损失 优化
什么是元学习？
训练资料作为输入
LOSS取决于训练任务，每个任务中有训练资料与测试资料
在元学习中需要考虑多个任务 例如分类过task1的表现后，再看task2的表现
最后的loss=l_1 + l_2
得到总体的loss
在传统机器学习任务中，我们一般使用训练集的误差作为最终loss
而在元学习中我们使用测试集误差作为loss
经过训练后我们学到了学习的算法
这时候我们使用学习的算法 进行测试
将其使用在测试任务，将测试任务的训练资料放进去进行学习
学出来一个分类器 将其作用在测试任务的测试集中
few shot Learning 与 元学习的关系 ：fewshot（目标）经常使用元学习（手段）
开始套娃
meta L VS ML
都有over fitting
都要调参 但是meta是调调参的参数 一劳永逸
