论文地址2018cvpr的论文，作者提出了一个L2T的框架，目的是对于一个新的任务，利用以前的经验来帮助决定如何进行迁移，从而避免之前需要尝试多种迁移方法的情况。实验分为两个步骤：第一步：从以往的经验中得到三个数据，源领域和目标领域对，代表迁移知识的潜在特征矩阵以及相比较不用迁移学习时模型性能提升。那么可以建立一个表示迁移知识和模型性能提升的映射关系，成为响应函数，用于决定迁移的内容和方法...

Taskonomy: Disentangling Task Transfer Learning是CVPR2018的最佳论文，斯坦福大学Guibas组的文章。论文地址：http://taskonomy.stanford.edu/taskonomy_CVPR2018.pdf作者在知乎有一个非常详细的解释文章：https://zhuanlan.zhihu.com/p/38425434个人笔记：迁...

这篇文章是探索联邦学习的框架下的多任务学习，稍后会整理一下之前的那篇multi task learningto be continued