原型網路是由Snell et al.(2017, 多倫多大學)在 Prototypical Networks for Few-shot Learning 提出，用於解決few shot learning，同領域還有Siamese network, Matching Network等模型。
資料集
Omniglot, 是一個包含多種語言的字母資料集。
網路概念
以類別的範例作為分類參考，稱之為原型(prototype)，概念類似KNN，在映射空間中越接近某個類別的範例，屬於該類別的可能性越大。
網路結構上，嵌入網路的設計沒有限制，只須確保映射的向量可與原型進行距離上的計算。
損失函數
採用 Cross Entropy loss。
訓練
進行多分類任務。
評估
以one shot learning檢驗，準確度可達28%，還可再精進。
結語
本文介紹如何做出簡單的prototypical network。實作代碼可參考以下連結。
參考
