Model Compression and Acceleration for Deep Learning
Differences Between Zero-shot, One-shot, and Few-shot Learning
簡介
Zero-shot learning(零樣本學習)、One-shot learning(單樣本學習)和Few-shot learning(少樣本學習)是三種在限制樣本情境下的機器學習方法,它們之間有以下的差異:
樣本數量:Zero-shot learning 是在完全沒有樣本的情況下進行學習,模型需要從類別的描述或屬性中推理和學習。One-shot learning 是在僅有一個樣本的情況下進行學習,模型需要利用這一個樣本進行推理和識別。Few-shot learning 是在僅有少量樣本的情況下進行學習,通常是數個或數十個樣本。
物體任務:Zero-shot learning 的目標是識別或推理之前從未見過的類別,模型需要從類別的描述或屬性中學習如何識別這些類別。One-shot learning 的目標是通過僅有的一個樣本進行類別識別,模型需要學習如何將這個樣本與新的樣本進行比較。Few-shot learning 的目標是通過少量樣本學習如何適應新的任務或類別,模型需要在有限的樣本上進行訓練和泛化。
方法和策略:Zero-shot learning 使用屬性推理、轉移學習或語義嵌入等方法來利用類別的描述或屬性進行學習和識別。One-shot learning 通常使用相似度比較、生成模型或概念學習等方法來從僅有的一個樣本進行學習和識別。Few-shot learning 則利用元學習、生成模型或轉移學習等方法來在少量樣本上進行訓練和泛化。
總體而言,Zero-shot learning 是在沒有任何樣本的情況下學習和識別新的類別,One-shot learning 是在僅有一個樣本的情況下學習和識別,Few-shot learning 是在少量樣本的情況下學習和識別。
Self Supervised Learning
Meta Learning
使用docsify快速撰寫書籍
簡介
Docsify 是一個基於 JavaScript 的文件網站生成器,它可以幫助您快速創建美觀、易於瀏覽的文件網站。Docsify 可以將 Markdown 文件轉換為一個動態的單頁應用程式,這意味著您可以通過單頁應用程序的方式來瀏覽您的文件,而不需要每次點擊頁面時都重新加載頁面。
Docsify 非常易於使用,只需將 Markdown 文件放在您的專案中,然後在您的 HTML 文件中引入 Docsify 腳本。Docsify 會自動將您的 Markdown 文件轉換為一個動態的單頁應用程序。您可以使用 Docsify 的設置選項來自定義您的文件網站的外觀和行為。Docsify 還提供了一些插件,如搜索、目錄等,以增強您的文件網站的功能。
Docsify 的主要優點是它的輕量級和簡單易用。它不需要任何複雜的配置或安裝過程,您只需將文件拖放到您的專案中並引入 Docsify 腳本即可。Docsify 的文件網站看起來非常專業和現代,因此它是一個非常受歡迎的選擇,特別是對於那些想要快速搭建文件網站的開發人員來說。