在 遷移學習 中，由于傳統深度學習的 學習能力弱，往往需要 海量數據 和 反復訓練 才能修得 泛化神功 。為了 “多快好省” 地通往煉丹之路，煉丹師們開始研究 Zero-shot Learning / One-shot Learning / Few-shot Learning。

愛上一匹野馬 (泛化能力)，可我的家里沒有草原 (海量數據) 。

Learning類型

分為：
Zero-shot Learning、One-shot Learning、Few-shot Learning、傳統 Learning 。

Zero-shot Learning

Zero-shot Learning，零次學習。

成品模型 對于 訓練集 中 沒有出現過 的 類別，能自動創造出相應的映射： XX。

既要馬兒跑，還 不讓 馬兒吃草。

One-shot Learning

One-shot Learning，一次學習。

wikipedia：

One-shot learning is an object categorization problem in computer vision. Whereas most machine learning based object categorization algorithms require training on hundreds or thousands of images and very large datasets, one-shot learning aims to learn information about object categories from one, or only a few, training images.

訓練集中，每個類別 都有樣本，但都只是 少量樣本 。

既要馬兒跑，還不讓馬兒 多 吃草。

Few-shot Learning

Few-shot Learning，少量學習。

也即 One-shot Learning 。

傳統 Learning

即傳統深度學習的 海量數據 + 反復訓練 煉丹模式。

家里一座大草原，馬兒馬兒你隨便吃。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的Zero-shot Learning / One-shot Learning / Few-shot Learning的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。