度量学习是一种广泛应用于小样本学习的方法，其中原型的质量在算法中起着关键作用。本文提出了一种基于元训练和任务训练框架的可训练原型，以替代人工设定的原型来进行距离度量。为了规避基于情景的元训练带来的缺点，我们采用了基于自监督学习的非情景元训练方法。总体而言，我们的方法分为两个阶段来解决小样本任务：首先通过自监督学习元训练一个可迁移的特征提取器，然后训练用于度量分类的原型。此外，在元训练和任务训练过程中均使用了简单的注意力机制。我们的方法在标准的小样本视觉分类数据集上的一系列已建立的小样本任务中取得了最先进的性能，相比现有的无监督小样本学习方法，性能提升了约20%。