元学习meta Learning：学习如何去学习。learn to learn.
机器学习步骤总结第一步：
第二步：
第三步：
输入训练资料，通过方法，进行训练。学习这个方法。
利用以往的知识经验来指导新任务的学习，具有学会学习的能力。
hand_crafted是人设定的意思。
第一步：寻找方法
要学的参数是Φ。之前这些component都是人定的，元学习里是求这些component.
第二步：计算Loss
以往的机器学习是通过计算训练资料得出Loss，而元学习是通过训练任务里的测试资料计算：
第三步：最优化使Loss最小
注意这里是测试任务里的训练资料也作为输入，通过F方法，学习出classify，然后把这个classify用到测试任务里的测试资料上，得到结果。
训练任务是为了找出最优算法，测试任务是为了最终结果。
比较机器学习和元学习差异在目的上面：
机器学习是找到f方法。
元学习的目的是找到可以“寻到f方法”的F方法。
support set是训练资料，query set是测试资料。
在过程上面：
机器学习是任务内训练，元学习是跨任务学习。
within-task training又叫inner loop.
acros-task training又叫outer loop.
