一、參考資料：
https://zhuanlan.zhihu.com/p/61215293
https://www.zmonster.me/2019/12/08/few-shot-learning.html
二、論文：
1、 Metric Based
1.1《optimization as a model for few shot learning》
三、基本的概念
- episode：每一個episode便是訓練一次，類似於傳統訓練方法里的一個batch，然后這個episode內部由兩部分構成：support set和query set
- support set：在構建這個episode時候，會從全量數據中每個episode都隨機選擇一些類別，比如C個類別，然后從數據集中同樣隨機從這選定的C個類別中選取同樣數量的K個樣本，這便構成了support set，總共包含C * K個樣本。一般而言模型會在這個上面進行一次訓練。這樣構造出來的任務便是C-way K-shot
- query set: 和support set類似，會在剩下的數據集樣本中的C個類（注意這里的類別是從對應的spport set類別選擇）采樣一些樣本作為query set，一般而言，模型在support set進行一次訓練后，會在query set上求得loss
- task：一個episode包含一個support set和一個query set，一個episode對應的便是讓模型在support set上進行學習后能夠在query set上有比較好的預測表現。因此一個episode便對應為一個task
episode、support set、query set、task這些基礎概念在在meta trainig set和meta testset都存在：
- meta trainig set: 通常而言，根據訓練數據的規模大小，可以構建出來多個訓練的episode，這些episode便可以稱為meta-training set
- meta test set: 因為在meta training set的若干個task（也就是若干個episode）上已經訓練好了一個模型，那么希望模型在一些新的task上也能有比較好的表現。因此，meta test set在數據構成上和meta training set完全一致，也包含了support set和query set，基本思想就是希望模型能夠基於新任務下的support set，迅速抓住問題的本質，從而能夠快速在meta test set中的query set上取得比較好的效果。
總體而言，這種類型的meta-learning，其基本單元是一個task，或者是一個episode，和普通的訓練方法需要進行區分。下圖便是一個5-way 1-shot的圖片分類問題，每一行便是一個task，也是訓練的episode，在support set中有5個類，每個類有1個樣本，在test set有兩個類（test set的類別須是對應的training set的子集），每個類一個樣本。在測試模型訓練效果的時候，便是希望模型能夠在meta test set中的task上也能夠取得比較好的效果。