Meta-Learning：让模型学会快速学习

Meta-Learning（元学习）让模型用少量样本就能快速适应新任务，也被称为“learning to learn”。其核心是在多种任务上训练并优化模型在任务分布上的表现，使每个数据集被当作一个训练样本；在 few-shot 分类中，数据被拆成 support set 与 prediction set，并采用与测试一致的训练方式。