Just for Life.

我自己写的西安电子科技大学实验报告的LaTeX模板，只是按照老师的要求添加了基本元素，非官方，非官方，非官方。如果老师有明确要求请勿使用此模板。接下来简单介绍下如何使用模板。

在用神经网络的时候，权重的更新方向一直是沿着负梯度进行更新，可有想过为什么要沿着梯度进行更新吗？或者说，为什么负梯度方向就是函数下降最快的方向呢？

湿云如梦雨如尘。之前都没注意到博客建立已经两周年了，当时建立博客也就是想着玩一玩，没想到一路坚持下来了，也越玩越深，这之间也认识了很多很厉害的朋友。折腾过很多主题和样式，以至于我都稍微懂点前端设计了。

一些论文的笔记，不会写的很详细，只会列出核心思想和我认为的优缺点，miniImageNet中5-way，1-shot的准确率，不会详细解读每一篇论文。

1. Meta-Transfer Learning for Few-Shot Learning, CVPR, 2019
2. Adaptive Cross-Modal Few-shot Learning, NIPS, 2020
3. Meta-Learning of Neural Architectures for Few-Shot Learning, CVPR, 2020
4. Charting the Right Manifold: Manifold Mixup for Few-shot Learning, IEEE(WACV), 2020
5. A BASELINE FOR FEW-SHOT IMAGE CLASSIFICATION, ICL, 2020
6. Zero and Few Shot Learning with Semantic Feature Synthesis and Competitive Learning, IEEE transactions on pattern analysis and machine intelligence, 2020

Warning：优缺点仅代表个人意见。

今天读小样本的论文又遇到了重参数技巧，记得之前在 VAE 中也看到了它。遂来做一个归纳整理，了解重参数到底是什么，一般都用在什么背景下。

最近的生活像一团屎，我是一个棍子，开心了就搅动一下，不开心了就跟它一起呆着。经历了很多，一件一件来吧。

又来做小样本问题了，别问，问就是我也不知道，方向换来换去的。我看过 Life long learning，深度学习的聚类，大规模图划分（我只是感觉这几年算法岗很内卷，泡沫化严重。不管什么专业的，都可以来搞计算机或智能，门槛低但要求高，甚至跨专业来的还认为撕代码没用，这个行业一言难尽。