1.使用了不同的距离度量方式,M-net中是cosine度量距离,P-net中使用的是属于布雷格曼散度(详见论文)的欧几里得距离。 2.二者在few-shot的场景下不同,在one-shot时等价(one-shot时取得的原型就是支持集中的样本) 3.网络结构上,P-net相比M-net将编码层和分类层合一,参数更少,训练更加方便。 原文链接:小样本学习...