论文简述
本文提出了原型网络，原型网络从数据中学习某种非线性的embedding，使得最终生成的度量空间中，每个类的点都聚集在单一的原型表示周围。对于询问点，只需要计算出在度量空间中距离最短的原型，并分类即可。
论文重点
想法
- idea : there exists an embedding in which points cluster around a single prototype representation ck for each class
- non-linear mapping to metric space using a neural network
算法
算法细节
思考
- 之所以不直接用softmax，而是进行硬聚集，应该是因为few-shot learning中所需要对应的种类较少，所以分类界限相交更为明显。而且训练数据量小，不能足够优化网络，直接用softmax容易产生过拟合现象，分类效果并不好，反而强行设定界限，会更有利于最终结果输出。
- github代码：https://github.com/jakesnell/prototypical-networks