Few-shot Learning ，即“小样本学习”，是一种机器学习方法，旨在通过极少量样本训练模型，使其能够快速适应新任务或新类别。这种方法在数据稀缺的场景中非常有用。

Prototypical Network（原型网络）是小样本学习中的经典方法之一，特别适用于分类任务。它的核心思想是通过学习每个类别的“原型”来表示该类别的特征，然后通过比较新样本与这些原型的距离来进行分类。例如在上图中，存在三个类别，、和分别表示三个类别的中心，如果有一个需要分类的样本