论文阅读笔记《Meta-learning with Latent Embedding Optimization》

核心思想   本文提出一种基于参数优化的小样本学习算法（LEO），与MAML，Meta-SGD算法相比，本文最重要的改进就是引入了一个低维的隐空间（Latent Space）。为了方便理解本文，我们首先回顾一下MAML算法，其目标是通过元训练得到一个好的初始化模型 θ \theta θ，使得模型能够通过少量样本的微调训练就能快速的适应任务需求，得到任务 T i \mathcal{T}_i Ti​对

>>阅读原文<<