深入探讨零样本学习(ZSL)的定义和解读
零样本学习(ZSL)是一种机器学习范例，利用预先训练的深度学习模型来推广新类别的样本。它的核心思想是将已有的训练实例中的知识转移到测试实例的分类任务中。具体而言，零样本学习技术通过学习中间的语义层和属性，然后在推理过程中应用这些知识来预测新的数据。这种方法允许机器学习模型在没有先前见过的类别上进行分类，实现了对未知类别的识别能力。通过零样本学习，模型可以从有限的训练数据中获得更广泛的泛化能力，提高了在现实世界中面对新问题的适应性。需要注意，零样本学习中训练和测试集是不相交的。零样本学习是迁移学习的一个子领
零样本学习(ZSL)是一种机器学习范例，利用预先训练的深度学习模型来推广新类别的样本。它的核心思想是将已有的训练实例中的知识转移到测试实例的分类任务中。具体而言，零样本学习技术通过学习中间的语义层和属性，然后在推理过程中应用这些知识来预测新的数据。这种方法允许机器学习模型在没有先前见过的类别上进行分类，实现了对未知类别的识别能力。通过零样本学习，模型可以从有限的训练数据中获得更广泛的泛化能力，提高了在现实世界中面对新问题的适应性。
需要注意，零样本学习中训练和测试集是不相交的。
零样本学习是迁移学习的一个子领域，主要应用于特征和标签空间完全不同的情况。与常见的同构迁移学习不同，零样本学习不仅仅是微调预训练模型，它需要从无任何样本的情况下学习如何处理新的问题。零样本学习的目标是通过利用已有知识和经验，将这些知识迁移到新的领域中，以便解决新问题。这种异构迁移学习对于处理没有标签或很少标签的情况非常有用，因为它可以通过利用已有的标签信息，来进行预测和分类。因此，零样本学习具有很大的潜力，在许多现实世界的应用中发挥重要作用。
零样本学习数据分类
可见类(Seen Classes)：用于训练深度学习模型的数据类，比如已标记的训练数据。
不可见类(Unseen Classes)：现有深度模型需要概括的数据类，比如未被标记的训练数据。
辅助信息：由于没有属于不可见类的标记实例可用，因此需要一些辅助信息来解决零样本学习问题。此类辅助信息应包含所有不可见类的信息。
零样本学习还依赖于已标记的可见类和不可见类训练集。可见类和不可见类都在称为语义空间的高维向量空间中相关，其中来自可见类的知识可以转移到不可见类。
零样本学习的阶段
零样本学习涉及训练和推理的两个阶段：
训练：获取有关标记数据样本集的知识。
推理：扩展先前获得的知识，将提供的辅助信息用于新的类集。
零样本学习方法
基于分类器的方法
现有的基于分类器的方法通常采用一对多的解决方案来训练多类零样本分类器。也就是说，对于每个看不见的类，训练一个二进制的一对一分类器。根据构建分类器的方法，我们进一步将基于分类器的方法分为三类。
①对应方法
对应方法旨在通过每个类的二元一对一分类器与其对应的类原型之间的对应关系来构造不可见类的分类器。每个类在语义空间中只有一个对应的原型。因此，这个原型可以看作是这个类的“表示”。同时，在特征空间中，对于每一类，都有一个对应的二元一对一分类器，也可以看作是该类的“表征”。对应方法旨在学习这两种“表示”之间的对应函数。
②关系方法
方法旨在基于不可见类的类间和类内关系来构造分类器或不可见类。在特征空间中，可以利用可用数据学习所看到的类的二进制一对一分类器。同时，可以通过计算相应原型之间的关系来获得可见类和不可见类之间的关系。
③组合方法
组合方法描述了通过组合用于构成类的基本元素的分类器来为不可见类构造分类器的思想。
在组合方法中，认为存在一个构成类的“基本元素”列表。可见类和不可见类中的每个数据点都是这些基本元素的组合。体现在语义空间中，认为每个维度代表一个基本元素，每个类原型表示对应类的这些基本元素的组合。
类原型的每个维度取1或0，表示类是否具有相应的元素。因此，这一类方法主要适用于语义空间。
基于实例的方法
基于实例的方法旨在首先获得不可见类的标记实例，然后使用这些实例来训练零样本分类器。根据这些实例的来源，现有的基于实例的方法可以分为三个子类：
①投影方法
投影方法的思想是通过将特征空间实例和语义空间原型投影到共享空间中来获得不可见类的标记实例。
在属于可见类的特征空间中有标记的训练实例。同时，在语义空间中存在可见类和不可见类的原型。特征和语义空间是实数空间，实例和原型是其中的向量。从这个角度来看，原型也可以被视为带标签的实例。因此，我们在特征空间和语义空间中标记了实例。
②实例借用方法
这些方法通过从训练实例中借用来处理为不可见类获取标记实例。实例借用方法基于类之间的相似性。有了这些相似类的知识，就可以识别属于未见类的实例。
③合成方法
合成方法是通过使用不同的策略合成伪实例来获得不可见类的标记实例。为了合成伪实例，假定每个类的实例遵循某种分布。首先，需要估计不可见类的分布参数。然后，合成不可见类的实例。
零样本学习的局限
与其他概念一样，零样本学习也有其局限性。以下是在实践中应用零样本学习面临的一些最常见的挑战。
1.偏差
在训练阶段，模型只能访问可见类的数据和标签。这会使模型将测试期间不可见类的数据样本预测为可见类。如果在测试期间，模型对来自可见和不可见类的样本进行评估，则偏差问题会变得更加突出。
2.领域转移
零样本学习模型的开发主要是为了在这些数据逐渐可用时将预训练模型扩展到新类。因此，领域转移问题在零样本学习中很常见。当训练集和测试集中数据的统计分布明显不同时，会发生领域转移。
3.中心问题
中心问题与最近邻搜索相关的维数灾难有关。在零样本学习中，中心问题的发生有两个原因。
输入和语义特征都存在于高维空间中。当这样一个高维向量被投影到一个低维空间时，方差会减少，导致映射点被聚类为一个中心。
在零样本学习中广泛使用的岭回归会引发中心问题。它会导致预测出现偏差，即无论如何查询，大部分都只预测了几个类。
4.信息损失
在对可见类进行训练时，模型仅学习用于区分这些可见类的重要属性。而一些潜在信息可能存在于可见类中，如果它们对决策过程没有重大贡献，则不会被学习到。但是，此信息在不可见类的测试阶段很重要。这就会导致信息损失。
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。