近日，南加州大学单位等开源了一个元学习研究库learn2learn，旨在促进越来越多的元学习的研究，该库基于PyTorch，文档完善，样例丰富，是从事相关研究值得参考的开源库。
相关论文：
learn2learn: A Library for Meta-Learning Research
https://arxiv.org/pdf/2008.12284.pdf
什么是元学习？
维基百科的解释：
“improve the performance of existing learning algorithms or to learn (induce) the learning algorithm itself, hence the alternative term learning to learn” 改进现存学习算法的性能或者学习【学习算法】本身，因此可认为是学习如何学习。
元学习是让机器学习如何进行学习的领域，让机器能够为了实现机器学习而自我学习，这也是该库名称“learn2learn”（学习去学习）的由来吧。
learn2learn 开源目的
作者希望从两个方面加速元学习的研究：
快速原型设计，让研究者可以快速探索新的算法；
验证算法的可重复性，使得算法的比较更公平。
所以learn2learn提供了大量的低级有用的组件和高级算法实现，和有效的评测基准实验。
另外learn2learn拥抱PyTorch开源大家庭，使得其与torchvision, torchaudio, torchtext, cherry等开源库之间的相互调用很方便。
learn2learn 整体结构
learn2learn.data: 用来管理数据集，可方便从任意PyTorch数据集中创建少样本学习的任务。
learn2learn.vision: 用于计算机视觉和少样本学习的模型、数据集与基准测试。
learn2learn.gym: 元强化学习的编程环境和组件。
learn2learn.algorithms: 现有元学习的高级封装接口。
learn2learn.optim: 可微分优化算法与元下降算法的组件和算法，用于灵活涉及新的元学习算法。
资源
主页: http://learn2learn.net/
文档: http://learn2learn.net/docs/
教程: http://learn2learn.net/tutorials/getting_started/
例程:
https://github.com/learnables/learn2learn/tree/master/examples
代码: https://github.com/learnables/learn2learn/
Twitter: https://twitter.com/metalearn2learn
Slack: http://slack.learn2learn.net/
元学习被认为是通往通用人工智能的重要方向，欢迎感兴趣的同学继续研究。
END
备注：元学习
元学习交流群
关注元学习、少样本学习，交流相关技术，欢迎扫码备注拉你入群。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
网站:www.52cv.net
在看，让更多人看到