few-shot-gnn代码阅读

无名之辈_

于 2021-07-06 18:40:25 发布

阅读量609

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/nini_k/article/details/118522237

本文深入探讨了few-shot学习中的关键组件——EmbeddingOmniglot和MetricNN。在训练过程中，它分为两个网络层次：一是负责特征表示的Embedding层，二是用于计算样本间相似性的GNN度量层。通过对这两个网络的理解，可以更好地掌握few-shot学习的机制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

训练

分为两个网络：
Embedding层和GNN度量层

EmbeddingOmniglot

omniglot
EmbeddingOmniglot(
  (conv1): Conv2d(1, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
  (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
  (bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (conv3): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), bias=False)
  (bn3): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (conv4): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), bias=False)
  (bn4): BatchNorm2d(64, eps=1e-05, momentum=0.1,