进行数学公式测试，查看渲染结果。
下面都是得要求下划线后面加空格，否则报错。
例一
下划线渲染不正确：
这里 $\mathbf{h}i^l \in \mathbb{R}^{nf}$ 是节点 $v_i$ 在 $l$ 层的embedding，$a{i j}$ 表示边的属性，$\mathcal{N}(i)$ 是 $v_i$ 的邻居节点的集合。
例二
大括号转义失败：
$\left{x_i\right}_{i=1}^n$
应该用\lbrace和\rbrace命令：
$\left\lbrace x_i\right\rbrace_{i=1}^n$
例三
双斜杠换行：
\[Q\left(c_i\right)=\frac{p\left(x_i, c_i ; \theta\right)}{Const}\\ \sum_{c_i \in C}Q\left(c_i\right)=1=\frac{1}{Const}\sum_{c_i \in C}p\left(x_i, c_i ; \theta\right)\\ Const=\sum_{c_i \in C}p\left(x_i, c_i ; \theta\right)\]例四
代码块必须要空行： \(f(x)=\int f(x)\sum_i^nf(x)\)
例五
还是下划线的问题
损失函数的第一项作者把InfoNCE加入了进来，这里$v’i$是和$v_i$属于相同簇的增广样本，$r$是负样本的数量。总共进行$M$次聚类，每次的类簇数都不一样$K=\left\lbrace k_m\right\rbrace{m=1}^M$。通过这种方式可以提升原型的概率估计的鲁棒性，并能编码分层的结构。
例六
假设现在有数据集包含 $N$ 个输入和标签对 $\mathcal{D}=\left\lbrace \mathbf{x}n, y_n\right\rbrace{n=1}^N$ ，标签有 $C$ 类。输入样本$\mathbf{x}_n$的表征向量由映射$\mathbf{f}(\cdot ; \boldsymbol{\Theta})$计算：
-
Previous
Prototypical Networks for Few-shot Learning -
Next
Metric learning with adaptive density discrimination
