孪生网络本身并不属于元学习（meta-learning）范畴，而是一种用于学习两个输入之间相似性的特定网络结构。然而，孪生网络可以与元学习相结合，用于解决元学习任务。在这种情况下，孪生网络被用作元学习模型中的基本组件。

孪生网络在元学习中可以使用way-shot的方式进行训练。在way-shot元学习任务中，每个训练任务都包含一个小的支持集和一个查询集，用于模拟新任务的学习。孪生网络可以用来表示支持集中的样本，并通过比较查询样本与支持集样本的相似性来进行分类。

至于训练方式，孪生网络的训练方式可能与MMAL（Model-Agnostic Meta-Learning）有所不同。MMAL是一种元学习算法，通过在多个任务上进行梯度下降来训练模型，以便在新任务上快速适应。这种训练方式涉及到在任务之间的迭代训练，而孪生网络的训练方式通常是在单个任务上进行。

虽然孪生网络在某些情况下可以用task为单位进行训练，但这并不是它的常规训练方式。孪生网络的训练通常是在支持集和查询集上进行，而这些集合通常是由数据集中的样本组成，而不是由任务组成。