dip2018_exp2
This repo is abandoned. See https://github.com/Trinkle23897/dip2018
feature的处理
import numpy as np
d = np.load('src/feature.npy').item()
print(d)
# 会看到 feature 和 label
feature = d['feature']
label = d['label']
# TODO
requirements
python: 兼容>=2.7和>=3.5 (请注意//和/的用法和print的用法,print最好用format)
pytorch==0.4.0
sudo pip install torch torchvision
运行
cd src
python main.py -d ../data --prefix try
运行完之后会在当前目录下生成try.pth
的模型文件,先存着。
文件结构
src: 代码,其中 model 的一些写法可参考 main.py 中的 baseline()
data: 数据,分为 train和 val,由于 val 尚未公布因此只有train,目前只能交叉验证了
material: 一些阅读材料,包括 Few-shot Learning 现在的 state-of-the-art
一些训好的模型不要加到git上!
pretrained model
import torchvision.models as models
alexnet = models.alexnet(pretrained=True)
baseline
-
直接finetune(只调最后一层)done
-
在原来的fc1000上加一层fc50(只调最后一层)
-
提出training set的feature之后,validation的label根据training set feature中nearest neighbour决定
-
data argumentation
ideas
-
with baseline (2), init weight with causal inference