标准度量

训练和测试直接输入，当数据不够的时候


其实就是二分类

图片也是一种数据，CNN是一种特征的提取方式而已，训练数据有标签，测试数据无标签

相似的靠得近，不相似的靠的远

triplet loss

只有一张图片计算相似度后再做归一化

有多张，few shot那就去平均

用模型结构来学相似度

可以用gan生成图片

梯度下降

参数的更新，看成是喂入另外一个一个LSTM模型

RNN和LSTM对比，ct没有变化，所以能保留长时间的记忆

LSTM理解

很直观的解释而已


通过公式类比

LSTM就是更一般的结构，可以学出来，原来的梯度下降只是特使的情况而已，知识直接是有关联的，完全可以串起来。

做粗略的假设


所有的参数用一个LSTM架构来学

类别RNN‘

修改架构，不断的跟之前的状态做attention,好计算相似度的思想一致