本文中的source data 和target data分别是有大量的非当前任务数据集和少量的当前任务数据集。

2 examples:

Both Labeled
1. Model Fine Tuning

-
当target data的量很少的时候，称为one-shot learning。
-
Fine Tuning: 将在source data中训练好的model作为target data的初始model继续训练。
-
Overtraining: 当target data的数量实在太少，在source 的 model一直训练就会出现overfitting.两种方法解决：
-
Conservative Training:

做一些constraint：限制两个网络对于同一个输入的输出尽量接近，或者两个网络的参数尽量接近。 -
Layer Transfer:

只训练source data网络其中的几层，其他层固定（直接copy）。那到底哪些layer需要训练，哪些可以固定？
不同的任务有对应不同的layer选择：
对于语音，因为每个人发音的生理结构不太一样，但每个词是一样的，因此需要训练前面几层，而后面几层直接copy。
对于图像，一些基本的轮廓是可以共享的，但最后图像的分类是不一样的，所以训练后面几层，而前面几层直接copy。
-
2. Multitask Learning

下图橙线：用欧洲语言来帮助中文训练网络
蓝线：单纯用中文训练网络

3. Progressive Neural Network

Source Labeled Only
1. Domain Adversarail Training
蓝色点表示feature extractor提取出来的source domain数据的特征，红点表示target domain，可以看到都是不一样的，所以后面的classifier只能分类出蓝色点的。因此我们希望经过transfer之后，蓝红点能有一样的特征分布。
思路：
增加一个Domain classifier，输出的是判断input是属于source 还是target domian. 这个Domain classifier的目标是提高判断的正确率。
而feature extractor要做的是降低Domain classifier的判断正确率。 这样可以使得feature extractor最终不懂得如何分辨红蓝数据，这样就可以把红蓝数据都混在一起之后，也就可以去掉feature extractor只识别source domain的特性。
但是feature extractor同时也要满足提高label predictor的正确率。

这里feature网络的目标有两个，一个与label网络一致，一个与domian网络相反，这样的training就能让feature网络把两类domain（source domain和target domain）输出后能混在一起。


要使得feature extractor层降低domain classifier正确率，可以求导loss之后取反方向更新参数即可。
2. Zero Shot Learning
当我们的source date中没有出现target data时，我们可以提取两个domain的共同特征（Attribute) 作为训练对象。
比如：在语音的单词识别处理上，因为单词有很多个，所以有些单词在训练的时候没有出现过。因此可以找出单词的共同特征：音标（phoneme). 然后辨识出每个单词的phoneme， 再通过phoneme的组成查表找出对于的单词。

-
Attribute Embedding + Word Embedding
- Attribute Embedding:
当我们的特征（attribute) 具有太大的维度，或者难以提取特征的时候，我们可以通过一个transform/mapping g(x) 把特征embedding到一个空间中，同时在另一个transform/mapping f(x) 输入 input(在这里是image)，input被embedding到同一个空间中。对应的input和attribute投影到空间中点的距离很接近，以此作为g和f的训练目标（将image和attribute都转为vector输入到transform中）。 - 这样当我们输入一个该网络没见过的input，网络也能自动找到对应最接近的attribute。
- Attribute Embedding:

-
-
Word Embedding:
有时候我们可能无法找出每种动物的attribute （没有database），那么我们可以直接用动物的名称作为attribute。 - 
-
Loss Function：如果只设为f和g的最短距离，会存在问题，因为只考虑了对应input和attribute的最短距离，而没有考虑非对应的input和attribute的距离应该尽可能远。因此在这里还要加入非对应距离的max项。
从下面的图可以倒推：对应的距离应该比所有非对应距离的最大值还要大于k（hyperparam），但因为欧氏距离没有赋值，所顺数第二式子需要一个0作为最小值。
-

来源：oschina
链接：https://my.oschina.net/u/4418437/blog/3648230