few-shot learning总结
1：首先用大规模样本来预训练一个模型，这个模型是用来提取特征的，将样本映射为特征向量 fine-tuning：（优化） 2：做预测，给一个query和一个support set，预测query属于support set的哪一类。 首先拿预训练模型将query和support set的样本提取特征转化为特征向量，把每个support set中同一类的特征向量做平均得到向量u1,u2.。。。
相关文章
- 1. Meta Learning总结
- 2. (Fewshot detection)Review:RepMet: Representative-based metric learning for few-shot detection
- 3. (Few-shot Detection)Review: fewshot adaptive faster r-cnn
- 4. deep learning loss总结
- 5. Learning to rank总结
- 6. 最近Few-Shot Learning总结
- 7. machine learning 第七周 总结
- 8. Neural networks and deep learning C1总结
- 9. Deep Residual Learning for Image Recognition总结
- 10. 《Wide & Deep Learning for Recommender Systems》论文总结
- 更多相关文章...
- • Docker 资源汇总 - Docker教程
- • XML 总结 下一步学习什么呢？ - XML 教程
- • 算法总结-双指针
- • 算法总结-回溯法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Meta Learning总结
- 2. (Fewshot detection)Review:RepMet: Representative-based metric learning for few-shot detection
- 3. (Few-shot Detection)Review: fewshot adaptive faster r-cnn
- 4. deep learning loss总结
- 5. Learning to rank总结
- 6. 最近Few-Shot Learning总结
- 7. machine learning 第七周 总结
- 8. Neural networks and deep learning C1总结
- 9. Deep Residual Learning for Image Recognition总结
- 10. 《Wide & Deep Learning for Recommender Systems》论文总结