Zero-shot Learning / One-shot Learning

Introduction

在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / One-shot Learning / Few-shot Learning。

爱上一匹野马 (泛化能力)，可我的家里没有草原 (海量数据) 。

Learning类型

分为： 
Zero-shot Learning、One-shot Learning、Few-shot Learning、传统 Learning 。

Zero-shot Learning

Zero-shot Learning，零次学习。

成品模型 对于 训练集 中 没有出现过 的 类别，能自动创造出相应的映射： XX -> YY。

既要马儿跑，还 不让 马儿吃草。

One-shot Learning

One-shot Learning，一次学习。
训练集中，每个类别 都有样本，但都只是 少量样本 。

既要马儿跑，还不让马儿 多 吃草。 

Few-shot Learning

Few-shot Learning，少量学习。

也即 One-shot Learning 。

传统 Learning

即传统深度学习的 海量数据 + 反复训练 炼丹模式。

家里一座大草原，马儿马儿你随便吃。