Аннотация:Направление обучения по нескольким примерам активно развивается, однако, в случае использования на конечных, маломощных устройствах, данная задача остается крайне сложной. Один из основных подходов для преодоления данной проблемы - построение признакового пространства с использованием глубокого обучения, с последующим использованием классификатора, основанного на прототипах новых классов. Данная статья посвящена исследованию методов оценки эффективности признакового пространства с целью его оптимального использования в контексте обучения по нескольким примерам. В работе проанализированы существующие метрики оценки качества признакового пространства и рассмотрена их применимость в качестве функций потерь.