# Intro

# 基于迁移学习的小样本学习

基于迁移学习的小样本学习包括两部分：

1. 获取知识：在其它类似任务上进行训练
2. 迁移知识：

在这样的任务中， base classes 和 novel classes 是不同的。因此需要在 novel classes 数据集上进行 fine-tuning.

# 元学习的主要实现方法

# 基于度量的元学习 (Metric Learning)

# MAML

元学习在测试集上定义的 loss, 机器学习在训练集上 定义 loss. 这是两者最大的差别。

$$\theta \leftarrow \theta - \beta \nabla_{\theta} L({\textcolor{red}{\theta - \alpha \nabla_\theta L(\theta, S)}, Q})$$

# 基于记忆模型的元学习 (Meta-Learning with Memory Modules)

# 基于优化的元学习 (Optimization-based Meta-Learning)

# 通过预测模型参数进行元学习 (Learn to Predict Model Parameters)