当网络做单样本学习的时候，孪生网络简单的分类一下测试图像与训练集中的图像中哪个最相似就可以了：
这里使用argmax而不是近邻方法中的argmin，因为类别越不同，L2度量的值越高，但是这个模型的输出，所以我们要这个值最大。这个方法有一个明显的缺陷：对于训练集中的任何一个
观察：成对训练的有效数据集的大小
经过与UoA大学的博士讨论后发现，我认为这个是过分夸大的，或者就是错的。凭经验来说，我的实现没有过拟合，即使它没有在每个可能的成对图像上充分训练，这与该节是冲突的。在有错就说思想的指引下，我会保留这个问题。（这是原作者的自言自语吧~）
我注意到，采用逐对训练的话，将会有平方级别对的图像对来训练模型，这让模型很难过拟合，好酷。假设我们有E类，每类有C个样本。一共有C⋅ E 张图片，总共可能的配方数量可以这样计算：
