什麼是零次學習，先講個小故事
倒霉同學一直希望小言裡失憶、遇霸道總裁、雞飛狗跳獲得真愛的橋段能發生在自己身上，有一天倒霉同學出門被石頭砸到頭了，失憶的橋段終於發生，然而倒霉同學之所以叫倒霉同學是有原因的，她只有失憶沒有霸道總裁。小言裡別人遇真愛，然而倒霉的倒霉同學忘記一切只能回爐再造。
故事就這樣展開
倒霉同學先去上了幼兒園
老師說：今天我們來教顏色，寶寶們跟我念，紅橙黃綠藍
倒霉同學乖乖記住了
老師又說：下面我們學數字，寶寶們跟我念，1234567
倒霉同學又乖乖記住了
老師拿出來乙個紅色的1，告訴寶寶們，這個叫做紅1
倒霉同學再次乖乖記住了
老師此刻又拿出乙個藍色的5，問，這個叫做神馬呢。
倒霉同學作為班上最優秀的學生搶答說，是藍5！
倒霉同學真優秀，都會搶答了
這個就是零次學習（zero-shotlearning）最開始的思路，雖然沒有見過某些類別，但是可以通過一些之前學到的屬性，以及未知類別的屬性知識，來實現對未知類別的認知。
說起零次學習就想說說他的大家長遷移學習，說到遷移學習不說表示學習好像也不怎麼對，說表示學習不講無監督學習也說不清楚，但是畢竟快到睡眠時間了，所以，嗯，還是能不說就不說吧。
上篇文章我們講過，隨著深度學習的發展，大家已經不僅僅侷限於處理大資料量、有監督的問題，小樣本甚至零樣本的問題提上日程。遷移學習是指利用在乙個特定分布a中學到的知識去改善另乙個分布b。也就是說在無監督和有監督學習之間轉移表示。遷移學習中，學習機要執行多個任務，如果第一種分布中存在明顯更多的資料，將會有助於對第二種分布中非常少的資料進行快速泛化。這其中就牽扯出來表示學習，表示學習的核心即相同的表示可能在兩種分布中都是有用的，兩個設定中使用相同的表示使得表示可以受益於兩個任務的訓練資料。
首先，zero-shot假設我們有兩部分資料，對於已知類別，我們有完整的樣本和屬性資訊，對於未知類別，我們只有屬性資訊，沒有樣本例項。有一部分學者提出一些兩階段的演算法解決這個問題，第一階段我們對未知樣本的屬性進行**，第二階段，我們利用**的屬性，從未知類別中選擇最像的乙個類別。以上面的例子來說，楊寶寶你首先在已知樣本中學到了顏色和數字兩個屬性，然後你又知道了藍5是屬性藍色與5的組合，所以乙個藍5來了以後，你首先判斷它是藍色，它是個5，然後利用屬性知識就知道它是藍5了。還有一部分學者考慮多模態之間的對映關係。樣本特徵本身在空間有乙個分布，類別屬性又有另乙個空間分布。這部分學者希望學習這兩個空間之間的對映關係。樣本之間存在一些相似性關係，屬性空間也存在一些相似性關係，比如鴨子和鵝長得比較像，那麼它們在樣本特徵空間和屬性特徵空間的分布都應該很接近。我們利用一些相似性度量作為限制，學習已知類別樣本空間到屬性空間之間的乙個對映，對於未知樣本，利用這個對映講樣本投到這個屬性空間，然後尋找與它最接近的未知類別。
當然，也有人不學習這個對映，而是講這兩個空間同時投射到乙個更基本的空間，使得樣本特徵與屬性特徵服從同乙個分布，然後在這個新空間中學習屬性的分類，再判斷所屬的類別。
可以看到，這裡屬性作為乙個中間媒介，是聯絡未知類別與已知類別的乙個橋梁，可能是一種概率分布，也可能與樣本本身有關，比如說鳥，有些種類的鳥，翅膀可能有很多種顏色，那它的翅膀顏色這個屬性就不是確定的。
第零次作業
1.你對網路專業或者計算機專業的了解是怎樣？通過查閱資料，該專業學生主要學習計算機 通訊以及網路方面的基礎理論 設計原理，掌握計算機通訊和網路技術，接受網路工程實踐的基本訓練，具備從事計算機網路裝置 系統的研究 設計 開發 工程應用和管理維護的基本能力。對這方面主要是高考後才了解的，查閱之後有了些入...
第零次作業
為什麼選擇計算機專業？你認為你的條件如何？和這些博主比呢？以為我覺得學計算機是我們大資料時代的基礎，而打好這個基礎就是適應這個時代，也適合未來的就業主流。我認為我有那個努力學好這門專業的條件。我覺得我和那些博主有些差距，不過我會努力拉進和他們的差距，如果可以的話，超越他們也是不錯滴。你理想的大學應該...
第零次作業
總是有一些同學會說 我不適合 不擅長 不喜歡計算機專業，那麼什麼是興趣？不懂得 不要緊，最重要的是你可以硬聽，不在意聽不聽得懂，久而就會明白，很清晰的思路會浮現，而這種思路，會潛移默化到別的地方。我想，計算機也應該是這個樣子的。我從沒有高深接觸過，學習過 計算機，我所學過的計算機是簡單又易懂的。就是...