Few-Shot Learning ＆＆ Meta Learning：小样本学习原理和Siamese网络结构(一)

Meta Learning：名字起的故弄玄虚，其实意思就是让网络学会如何去学习，即learn to learn。

Few-Shot Learning：Meta Learning的一种，二者也可以看作是一回事。和传统通过大量数据集训练神经网络这类监督学习不同，并不是让机器准确识别测试集的图像，其目标是让神经网络学会学习。即通过大量数据去训练神经网络的目的并不是让网络学习狼、大象等动物的特征，进而准确分类没见过的动物图像。而是让神经网络理解事物的异同，学会区分不同的事物，即当网络训练完成后，任意给两张网络没见过的图像，让网络自己判断出两张图像的内容是相同还是不同的。

Supervised Learning和Few-Shot Learning的区别：

• <