[人工智能]Meta-Learning之Meta-SGD

这篇文章是MAML的提升版本，结合了Meta-LSTM的思想，生成一种新的元学习算法。由于这种算法自行设计了学习率和优化方向来获取新的参数，这种做法和SGD很像，因此作者取名为——Meta-SGD。

参考列表：
①Meta-SGD论文阅读笔记
②MAML与Meta-SGD

1 MAML

1.1 简介

具体可参考我的另一篇MAML论文解读

1.2 优势

1. 可以在新的task上达到Fast Adaptation。
2. 为算法提供一个可以快速收敛的合适初始化参数，而不是最优参数，这一点区别要理解。最优参数是Learner在MAML给予的初始参数基础上，进行微调从而达到它那个task上使得$Loss$达到最优化的参数。

1.3 缺陷

1. 内更新的设计中，学习率、搜索方向都是自行设计的，其中搜索方向是样本上近似的梯度值。一来学习率的大小需要调节；二来搜索方向显然不是最佳的选择。

2 Meta-LSTM

2.1 简介

具体可参考我的2篇论文解读：
①L2L by gradient by gradient
②optimization as a model for few-shot learning
这是我用Meta-LSTM学习出来的优化器去优化最小二乘$Loss$的学习曲线。

2.2 优势

用元学习算法学到了一种优化方法，MAML学习到了初始化参数，Meta-LSTM学习到了一种优化方式。利用LSTM作为Meta-Learner，然后将Meta-Learner作为模型，用Adam去训练，也就是说将Meta-Learner当作模型去训练参数$\theta$。Learner的参数就通过LSTM的输出口获取：${\theta }_t={\theta }_{t?1}+g_t$，这就是Meta-LSTM所学习到的优化算法，简而言之就是用LSTM来表示参数更新这个式子。

2.3 缺陷

1. 训练难度大。
2. 收敛速度慢。

3 Meta-SGD

3.1简介

1. Meta-SGD是MAML和Meta-LSTM的结合版本，或者说是MAML的升级版，它在MAML只能元学习网络初始化参数的基础上，还能去元学习优化的学习率和搜索方向，回忆下我们常用的SGD、Adam等优化算法，他们大多都是以手动设计学习率和搜索方向为主(比如SGD为$Loss$的梯度方向，结合我们的优化理论基础知识，梯度方向显然不是最优的搜索方向，比如自然梯度法、共轭梯度法、最速下降法等等，但谁都不能说是最好的，那么与其我们人为去选择一种优化方法，还不如让计算机自己去学习选择一个优化算法)。
2. 和MAML一样，Meta-Learner可以快速将学习到的一套优化规则(学习率+搜索方向)适应到Learner上，具体来说，只需1个step。因此Meta-SGD也具备Fast-Adaptation的能力。
3. Meta-SGD和Meta-LSTM一样，都算是学习到了一种优化方式，但是Meta-SGD更容易训练；且其实现起来简单：Meta-LSTM需要依赖LSTM，而Meta-SGD只需要一个可更新的矩阵即可，所以训练起来也更快。

3.2 核心思想

4. 如上图所示，就是MAML-SGD的核心思想的体现，乍一看和MAML论文中的很类似，它所表达的是：第一个正方形平面内黑色线是MAML中，不同task上的搜索方向，红色线是我们Meta-SGD在不同task上的搜索方向，可以看出——Meta-SGD添加了一个学习率矩阵$\alpha$，这个矩阵和黑色梯度矩阵的大小是一样的，中间的$°$表示按元素相乘，这种方式使得产生了一种新的搜索方向。
5. $\alpha °?\mathcal{L}(\theta )$的长度就是更新的步长，其归一化向量(方向)就是搜索方向。此外，$\alpha °?\mathcal{L}(\theta )$产生的更新方向和$?\mathcal{L}(\theta )$往往是不一样的，因为$\alpha$是个可学习的矩阵(向量)。

6. 中间的黑色弧线代表着Meta-Learner的参数，和MAML不同的是，Meta-SGD有2个——$\left(\begin{array}{c}\theta \\ \alpha \end{array}\right)$。
7. 第二个正方形平面就是MAML的内循环，得到Learner的参数${\theta }_i^{?}$，更新公式为：$$\begin{gathered} {\theta }_i^{?}=\theta ?\alpha °?{\mathcal{L}}_i(\theta ) \\ {\mathcal{L}}_i(\theta )=\frac{1}{|\mathcal{T}|}\sum _{(x,y)\in \mathcal{T}}l(f_{\theta }(x),y)\text{\hspace{1em}(2)} \end{gathered}$$

3.3 训练过程

整个训练过程如上所示：

1. 和MAML类似，Meta-SGD也有2层的循环，第一层就是核心思想所述，将Meta-Learner参数快速适应到Learner上；第二层是Meta-Learner参数的更新。
2. 第一层循环不用自己设定的固定学习率，而是用学习率矩阵$\alpha$代替，其Size和参数的Size一样，使用按元素逐一相乘。损失是在Support-set上的损失。
3. 第二层循环除了要更新网络的参数$\theta$以外，还要去更新学习率矩阵$\alpha$，两者更新方式一样。这里我个人在复现的时候使用的是FOMAML的做法。损失是在Query-set上的损失。
4. 对于每一个任务都是相同的做法。实际在做的时候，第一个task上完成内更新之后，然后在Query-set上计算$Loss$的梯度；然后对第二个task也是这样的操作…mini-batch个tasks做完之后，求取mini-batch个$Loss$梯度的平均值用于更新$\left(\begin{array}{c}\theta \\ \alpha \end{array}\right)$。第一轮更新结束后，用新的Meta-Learner参数去做第二次，第三次…第n次更新。

3.4 伪代码

将3.3节训练过程整理成伪代码就是如上所示，其实和MAML的伪代码类似。第一张图片是Meta-SGD在监督学习上的应用；第二张图片是Meta-SGD在RL上的应用。两者区别主要在于$Loss$的构成、task的构成不一样，其余大同小异。尤其要注意的一点是，无论是监督学习还是RL，外循环的$Loss$一定是Learner参数${\theta }^{\prime }$在Query-set上的损失。

3.5 实验结果

3.5.1 回归

3.5.2 分类

3.5.3 强化学习

3.5.4 实验小结

1. 总的来说，作者设置对比实验来突出Meta-SGD在监督学习和强化学习上对于MAML、Meta-LSTM的优越性。
2. 证明了Meta-SGD在分类、回归、RL下的可行性高。

4 总结

1. MAML-SGD = MAML + MAML-LSTM。
2. 用最简单的方式来描述Meta-SGD就是在MAML的基础上，增加了一个可学习的学习率$\alpha$矩阵(向量)，这个学习率矩阵在内循环中和原MAML的梯度按元素相乘来改变更新方向；在外循环中和Meta-Learner参数一起更新。
3. Meta-SGD的优点在于既可以学习网络的初始化参数，为Learner提供更快的收敛速度；其次对于每一步，它还可以自行学习适合task的学习率、搜索方向。可以说Meta-SGD拥有MAML的一切优点。
4. Meta-SGD这种优化方式训练起来更加快速且实现方便。
5. Meta-SGD适用范围广：分类、回归、强化学习。