Tell me what's x-shot
Introduction
graph LR
1["Traditional Learning"]--"massive data<br/>Recurrent training"-->2[Strong Generalization]
3["Zero-shot Learning"]-->2
4["One-shot Learning"]-->2
5[Few-shot Learning]-->2
Traditional Learning
马儿你随便跑，家里草管够
海量数据+反复训练的炼丹模式
Zero-shot Learning
既要马儿跑，还不马吃草
训练集中没有某个类别的样本，但是如果我们可以学到一个牛逼的映射，这个映射好到我们即使在训练的时候没看到这个类，但是我们在遇到的时候依然能通过这个映射得到这个新类的特征。
One-shot Learning
既要马儿跑，还不让马多吃草
训练集中，每个类别 都有样本，但都只是 少量样本（只有一个或几个） 。此时，我们可以在一个更大的数据集上或者利用knowledge graph、domain-knowledge 等方法，学到一个一般化的映射，然后再到小数据集上进行更新升级映射。
Few-shot Learning
等同于 一次学习One-shot Learning 。关键就在于如何学到一个好的映射，能应用到没有看到的问题上