DL概念之zero-shot learning

Zero-shot learning

      zero-shot learning 指在训练模型时，没有这个类别的训练样本。但是我们可以学习到一个映射/模型X->Y。若此映射/模型足够好的话，我们就可以处理没有看到的类了。 比如，我们在训练时没有看见过狮子的图像，但是我们可以用这个映射得到狮子的特征。一个好的狮子特征，可能就和猫，老虎等等比较接近，和汽车，飞机比较远离。

       感性认识：感性认识的话，虽然我们不知道这东西叫狮子，但是我们可以说出他和谁谁谁像。（生物学家第一次看到鸭嘴兽的感觉。）

       

One-shot learning

One-shot learning 指我们在训练样本很少，甚至只有一个的情况下，依旧能做预测。  如何做到呢？可以在一个大数据集上学到general knowledge（具体的说，也可以是X->Y的映射），然后再到小数据上有技巧的update。

其实Zero/One-shot learning都属于transfer learning/domain adaption，要点在于先学到好的X->Y的关系，希望能应用到其他问题上。

reference:

          https://www.zhihu.com/question/50996014#answer-44952765