小样本中的episode（Episodic Training）

参考文章1. 参考文章2. 小样本学习中，有一种方法叫做Meta-Learning，其训练过程包括：Meta-training 和 Meta-testing。 在Meta-Learning中原始数据要经过特殊的处理，在Meta-training 和 Meta-testing过程中都会用的Support set 和Query set。

先在Testing data中选择几个类，每个类别都包括很多样本，然后从选择的每个类中选出k+x个样本，其中k个样本用作support set，x个样本被用作query set ,这样就得到了 Meta-testing 过程中需要用到的两个数据集。同理，可得到Meta-training 过程中的两个数据集 S 和 Q 。（但是此时可以不和Meta-testing 一样必须要选 N 个类，从每个类中也不必非要选 k 个样本作为 Support set）。 依据上述的数据集划分，进行训练，计算损失，更新参数。这样就是一个episode训练过程。（在 Meta-training 的过程中，Support set + Query set 就是一个 mini-batch。因此，一个 episode 的训练过程实际上就是一个 batch 的训练过程。）

也就是说，一个episode，就是选择几个类，然后对于选择的每个类再选择support set和query set，用选择的某几个类的support set和query set训练一次模型。下一个episode，再选择其他几个类，然后在选择support set和query set训练模型。一个epoch中存在多个eposide。

基于 episode 的训练方法即被称为 Episodic Training