多任务学习权重的动态调整

       MTL多任务学习主要为了多任务之间能够共享信息。一般做法是将各任务的目标进行加权求和进行统一优化。如果各任务之间能够做到互不竞争，每个任务将得以充分优化。然而，多任务学习容易造成某些任务占主导地位，其他任务无法优化充分。本文主要是关于两篇动态调整多任务权重的论文的记录。 1、Multi-Task Learning Using Uncertainty to Weigh Losses f

>>阅读原文<<