life long learning 是指这个NN在不断地学习，之前可能只能解决task1，但是经过再次学习，它还能解决task2；再学习，还能解决task3…
life long learning需要解决的问题是knowledge retention（but not intransigence）
什么意思呢？就是说这个NN不仅要做到保留原来的知识，还要能接受新的知识。
从上图可以看出，当只学习了task1的数据时，NN在task1上的准确率是90%，在task2上的正确率是96%；当这个NN继续学习task2的数据集后，在task1上的正确率下降到了80%，在task2上的正确率上升到了97%。在task2上的性能有所提升，说明NN确实能学到新知识，但是在task1上的性能下降，说明它遗忘了一些过去的知识，这是我们不希望看到的。
如何解决上述遗忘问题呢？
1.EWC
具体用例子来说明：
（颜色越深表示loss越小）
初始化的θ为θ0,学习了task1的数据之后变到了θb.
如果不加任何限制，针对task2，把θb作为初始化值，该NN学习了task2的数据集后，变成θ*,但是我们发现θ* 在task1上的效果并没有θb 好,因此该NN发生了遗忘。
现在我们就用EWC的思想来解决这一问题，那么bi的大小如何决定呢？
bi的大小取决于loss对θib的二阶偏微分大小。
我们知道二阶微分代表的是变化率，二阶微分越大，就表明该变量变动一点点，y就会变动很大；二阶微分越小，就表明该变量变动一点点，y也变动的很少。
因此，如果loss对θib的二阶偏微分较小，说明该参数的变动对loss的影响较小，所以bi就小；如果loss对θib的二阶偏微分较大，说明该参数的变动对loss的影响较大，所以bi就大。
按照此思想设置好bi后，效果如下图：
SGD\L2\EWC效果对比：
最上面的三条线：使用不同的loss函数的情况下，taskA 在NN分别学习了A,B,C数据集后的准确率。当只学了A的时候，SGD\L2\EWC的效果都不错；继续学了B后，用该NN测试A，发现SGD\L2的准确率都有明显的下降；继续学了C后，SGD下降更为明显。
2.gradient episodic memory(GEM)
以上图为例，假设进行到task3时，对于θ来说，按照g方向来更新，是目前来说降低loss的最好方式，但是如果完全按照g’方向来更新的话，更新后的θ可能在task1、task2上的效果就变差呢？怎么办呢？
在进行到task3时，不仅算task3数据的loss对θ的gradient，还要算task1、task2数据的loss对θ的gradient的，然后找到此时能使task1、task2、task3效果变好的更新方向（分别为g1\g2\g）,然后利用这三个,算出一个g’(g’满足：g’ *g1>=0,g’ *g2>=0, g’与g as close as possible).最终θ按照g’方向进行更新。这样，经过task3数据集训练过后的NN不仅不会在task1、task2上的效果变差，反而会变得更好一点。
3.generating data
主要思想：用task1的数据训练好NN后，同时还生成一个能generate task1数据的东西；在准备用task2的数据继续训练NN时，用这个东西把task1的数据再generate出来，用task1、task2的数据共同再继续训练NN，训练完成的同时，又生成了一个可以generate task1 and task2 数据的东西…如此重复下去。
LLL 模型效果评价
从上面的内容中我们可以看出，一个life long learning model 效果的好坏主要看两个方面：1.它遗忘了多少过去 2.它学到了多少新的。那如何衡量这两方面的效果呢？
accuracy：整个life long learning model的最终准确率
backward transfer：LLL模型忘记了多少以前的
forward transfer：LLL模型学到了多少新的
一般来说，backward的值经常都是负的，也就是说总会遗忘掉一些过去的知识。但GEW的backward是正的。
