few-shot
few-shot 是一个专注于小样本学习(Few-shot Learning)的开源项目,旨在提供清晰、可读且经过测试的代码,帮助开发者复现前沿的学术研究结果。该项目基于 Python 3.6 和 PyTorch 构建,主要解决了在训练数据极度稀缺的情况下,如何让机器学习模型依然能够高效识别新类别的核心难题。
通过内置对 Omniglot 和 miniImageNet 等经典数据集的支持,few-shot 成功复现了“原型网络”(Prototypical Networks)和“匹配网络”(Matching Networks)等标志性算法。其独特的技术亮点在于提供了高度模块化的实验框架,用户只需调整少量参数(如支持样本数、查询样本数、距离度量方式等),即可灵活配置训练任务,快速验证不同超参数下的模型表现,并获取与论文发表结果高度接近的性能数据。
这款工具非常适合人工智能研究人员、算法工程师以及深度学习爱好者使用。对于希望深入理解小样本学习机制、复现顶级会议论文成果,或需要在低资源场景下探索模型泛化能力的专业人士来说,few-shot 提供了一个坚实可靠的代码基准和实践起点,让复杂的理论研究变得触手可及。
使用场景
某医疗影像初创团队急需开发一个能识别罕见皮肤病变的 AI 模型,但手头仅有每类病症不到 10 张的标注图片,无法支撑传统深度学习训练。
没有 few-shot 时
- 数据收集陷入僵局:为了凑齐传统模型所需的数千张样本,团队不得不耗费数月时间联系医院获取数据,严重拖慢产品上线进度。
- 模型过拟合严重:强行使用少量数据训练常规卷积神经网络,导致模型死记硬背训练集,在面对新患者图片时准确率几乎为零。
- 研发成本高昂:由于无法验证算法可行性,团队被迫雇佣大量人工进行数据标注和清洗,预算迅速超支且效果甚微。
- 无法应对长尾类别:对于极其罕见的病例,因完全缺乏足够样本,系统直接放弃识别,存在严重的医疗漏诊风险。
使用 few-shot 后
- 极速冷启动:利用 few-shot 中的原型网络(Prototypical Networks)模块,团队仅用每类 5 张参考图(5-shot)即可构建分类器,将模型验证周期从数月缩短至几天。
- 泛化能力显著提升:通过度量学习机制,模型学会了“如何比较”而非“死记特征”,在 Omniglot 和 miniImageNet 验证过的架构下,对未见过的罕见病变展现出极高的识别鲁棒性。
- 大幅降低数据依赖:不再依赖海量标注数据,研究人员可直接使用现有的少量临床案例进行实验,节省了 90% 的数据采集与标注成本。
- 灵活适配新病种:当需要新增一种罕见病识别时,只需在支持集中添加几张新图片,无需重新训练整个网络,实现了真正的动态扩展。
few-shot 让团队在数据极度匮乏的困境中,成功将“不可能”的罕见病识别任务转化为可落地的高精度医疗辅助工具。
运行环境要求
- 未说明
- 必需 (README 明确假设用户拥有 GPU)
- 具体型号和显存大小未说明,但文中提到二阶 MAML (2nd order MAML) 实验非常消耗内存 ('uses a lot more memory'),且可能需要调整 meta-batch-size 以适应 GPU
未说明 (建议至少 16GB 以运行二阶 MAML 实验)

快速开始
少样本学习
本仓库的目标是提供干净、易读且经过测试的代码,以复现少样本学习领域的研究成果。
该项目使用 Python 3.6 和 PyTorch 编写,并假定您拥有 GPU。
更多信息请参阅以下 Medium 文章:
设置
需求
详细列出在 requirements.txt 文件中。建议在虚拟环境中使用 pip install -r requirements.txt 进行安装。
数据
编辑 config.py 中的 DATA_PATH 变量,将其设置为您存储 Omniglot 和 miniImagenet 数据集的路径。
获取数据并运行设置脚本后,您的文件夹结构应如下所示:
DATA_PATH/
Omniglot/
images_background/
images_evaluation/
miniImageNet/
images_background/
images_evaluation/
Omniglot 数据集。从 https://github.com/brendenlake/omniglot/tree/master/python 下载,将解压后的文件放入 DATA_PATH/Omniglot_Raw 目录,并运行 scripts/prepare_omniglot.py。
miniImageNet 数据集。从 https://drive.google.com/file/d/0B3Irx3uQNoBMQ1FlNXJsZUdYWEE/view 下载文件,放置于 data/miniImageNet/images 目录,并运行 scripts/prepare_mini_imagenet.py。
测试(可选)
添加数据集后,在根目录下运行 pytest 以执行所有测试。
结果
文件 experiments/experiments.txt 包含了我用于获得以下结果的超参数。
原型网络

运行 experiments/proto_nets.py 可复现 少样本学习中的原型网络(Snell 等人)的结果。
参数
- dataset: {'omniglot', 'miniImageNet'}。指定使用 Omniglot 还是 miniImagenet 数据集。
- distance: {'l2', 'cosine'}。选择使用的距离度量。
- n-train: 训练任务中每类的支持样本数。
- n-test: 验证任务中每类的支持样本数。
- k-train: 训练任务中的类别数。
- k-test: 验证任务中的类别数。
- q-train: 训练任务中每类的查询样本数。
- q-test: 验证任务中每类的查询样本数。
| Omniglot | ||||
|---|---|---|---|---|
| k-way | 5 | 5 | 20 | 20 |
| n-shot | 1 | 5 | 1 | 5 |
| 已发表 | 98.8 | 99.7 | 96.0 | 98.9 |
| 本仓库 | 98.2 | 99.4 | 95.8 | 98.6 |
| miniImageNet | ||
|---|---|---|
| k-way | 5 | 5 |
| n-shot | 1 | 5 |
| 已发表 | 49.4 | 68.2 |
| 本仓库 | 48.0 | 66.2 |
匹配网络
一种可微分的最近邻分类器。

运行 experiments/matching_nets.py 可复现 用于一次学习的匹配网络(Vinyals 等人)的结果。
参数
- dataset: {'omniglot', 'miniImageNet'}。指定使用 Omniglot 还是 miniImagenet 数据集。
- distance: {'l2', 'cosine'}。选择使用的距离度量。
- n-train: 训练任务中每类的支持样本数。
- n-test: 验证任务中每类的支持样本数。
- k-train: 训练任务中的类别数。
- k-test: 验证任务中的类别数。
- q-train: 训练任务中每类的查询样本数。
- q-test: 验证任务中每类的查询样本数。
- fce: 是否使用完整上下文嵌入(FCE),True 表示使用,False 表示不使用。
- lstm-layers: 支持集中 FCE 使用的 LSTM 层数。
- unrolling-steps: 计算查询样本 FCE 时使用的展开步数。
我在使用余弦距离度量时难以复现该论文的结果,因为收敛速度较慢,最终性能也依赖于随机初始化。然而,使用 L2 距离度量时,我不仅成功复现了该论文的结果,还略有超越。
| Omniglot | ||||
|---|---|---|---|---|
| k-way | 5 | 5 | 20 | 20 |
| n-shot | 1 | 5 | 1 | 5 |
| 已发表(余弦) | 98.1 | 98.9 | 93.8 | 98.5 |
| 本仓库(余弦) | 92.0 | 93.2 | 75.6 | 77.8 |
| 本仓库(L2) | 98.3 | 99.8 | 92.8 | 97.8 |
| miniImageNet | ||
|---|---|---|
| k-way | 5 | 5 |
| n-shot | 1 | 5 |
| 已发表(余弦,FCE) | 44.2 | 57.0 |
| 本仓库(余弦,FCE) | 42.8 | 53.6 |
| 本仓库(L2) | 46.0 | 58.4 |
模型无关元学习 (MAML)

为了与其他论文保持一致,我使用了最大池化而不是步幅卷积。运行基于二阶 MAML 的 miniImageNet 实验花费了我超过一天的时间。
运行 experiments/maml.py 可以复现 模型无关元学习(Finn 等人)中的结果。
参数
- dataset: {'omniglot', 'miniImageNet'}。指定使用 Omniglot 数据集还是 miniImagenet 数据集。
- distance: {'l2', 'cosine'}。选择使用的距离度量。
- n: 少样本任务中每类的支持样本数。
- k: 训练任务中的类别数。
- q: 训练任务中每类的查询样本数。
- inner-train-steps: 在训练任务上执行的内循环更新次数。
- inner-val-steps: 在验证任务上执行的内循环更新次数。
- inner-lr: 内循环更新时使用的学习率。
- meta-lr: 更新元学习器权重时使用的学习率。
- meta-batch-size: 每个元批次的任务数量。
- order: 指定使用一阶还是二阶 MAML。
- epochs: 训练的总 epoch 数。
- epoch-len: 每个 epoch 中的元批次数量。
- eval-batches: 每个 epoch 结束后评估模型时使用的元批次数量。
注意:对于 MAML,n、k 和 q 在训练和测试阶段是固定的。你可能需要调整 meta-batch-size 以适应你的 GPU。二阶 MAML 需要消耗更多的内存。
| Omniglot | ||||
|---|---|---|---|---|
| k-way | 5 | 5 | 20 | 20 |
| n-shot | 1 | 5 | 1 | 5 |
| 已发表 | 98.7 | 99.9 | 95.8 | 98.9 |
| 本仓库 (1) | 95.5 | 99.5 | 92.2 | 97.7 |
| 本仓库 (2) | 98.1 | 99.8 | 91.6 | 95.9 |
| miniImageNet | ||
|---|---|---|
| k-way | 5 | 5 |
| n-shot | 1 | 5 |
| 已发表 | 48.1 | 63.2 |
| 本仓库 (1) | 46.4 | 63.3 |
| 本仓库 (2) | 47.5 | 64.7 |
括号中的数字表示使用一阶或二阶 MAML。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器