Torchmeta

Torchmeta 是一个面向 PyTorch 的小样本学习与元学习扩展库,为 few-shot / meta-learning 研究提供统一的数据加载与模型接口。它内置 Omniglot、Mini-ImageNet、Tiered-ImageNet、CIFAR-FS 等常用分类基准,以及正弦波、谐波函数等回归任务和小样本分割数据集,并兼容 PyTorch 的 DataLoader 与 torchvision。库中提供 MetaModule 扩展,便于构建 MAML 等基于梯度的元学习模型,把任务采样(episode)与数据集处理标准化。整体定位为研究工具,帮助复现与对比元学习算法,需搭配 PyTorch 1.4 以上与 torchvision 使用。