Python元学习：通用人工智能的实现

元学*是当今人工智能研究的热门领域之一，被视为实现通用人工智能的基础。本书介绍元学*及其原理，讲解各种单样本学**法，例如孪生网络、原型网络、关系网络和记忆增强网络，并在基于Python的TensorFlow与Keras中实现它们。读者能够从本书中了解先的元学**法，如模型无关元学*、Reptile和元学*的上下文适应。此外，本书还探*如何使用元随机梯度下降法来快速学*，以及如何使用元学*来行无监督学*。本书适合机器学*爱好者、人工智能研究人员和数据科学家阅读。
【推荐语】
1.本书介绍元学*及其原理，讲解各种单样本学**法，例如孪生网络、原型网络、关系网络和记忆增强网络，并在基于Python的TensorFlow与Keras中实现它们； 2.读者能够从本书中了解先的元学**法，如模型无关元学*、Reptile和元学*的上下文适应； 3.本书还探*如何使用元随机梯度下降法来快速学*，以及如何使用元学*来行无监督学*。 “这本书对*法的解释简洁明晰、通俗易懂，任何想了解元学*的人都应该阅读。” ——英文版读者评论 什么是元学*？为什么需要了解元学*？ 近年来深度学*的发展如火如荼，但深度*经网络需要大规模的训练集来训练模型，而且处理新任务时不能采用已有的模型，必须从零始训练新模型。 元学*能够生成通用的人工智能模型来学*执行各种任务。只需少量数据，即可训练元学*模型完成各种相关的任务。因此对于新任务，元学*模型可以利用之前从相关任务中获得的知识，无须从零始训练。 本书介绍元学*及其原理，讲解各种单样本学**法，并在基于Python的TensorFlow与Keras中实现它们。阅读本书，你将能够： ●理解什么是元学*、元学*的类型及其*法 ●使用孪生网络建立人脸识别模型与音频识别模型 ●学*原型网络及其变体 ●使用TensorFlow构建关系网络与匹配网络 ●在Python中从头始构建MAML和Reptile*法 ●掌握从头构建梯度一致*法 ●探*任务无关元学*和深度元学*
【作者】
苏达桑·拉维尚迪兰（Sudharsan Ravichandiran） 目前在众包网站Freelancer担任数据科学家。他是积极的源项目贡献者和畅销书作家，在YouTube网站上发布的授课视频广受好评。重关注深度学*和强化学*的实际应用，尤其是自然语言处理和计*机视觉领域的相关研究。 【译者简介】 葛言 本科毕业于华中科技大学经济学院国际商务专业（英语双学位），保送上海财经大学交叉科学研究院管理科学与工程直博，目前从事运筹学相关研究与Python发工作。译有《精通Python设计模式（第2版）》等书。