S-Prompts 的安装和配置教程

1. 项目基础介绍和主要编程语言

S-Prompts 是一个基于预训练变换器的领域增量学习项目，旨在通过一种简单而优雅的原理（即 Occam's Razor）来解决领域增量学习问题。该项目提出了 S-Prompting 这一新范式，通过独立地学习每个领域的提示，并将其逐步插入到一个池中，实现了在领域增量学习任务上的显著性能提升。主要编程语言为 Python。

2. 项目使用的关键技术和框架

• 预训练变换器: 项目使用预训练变换器作为基础模型，通过引入领域相关的提示来增强模型的领域适应性。
• 领域增量学习（DIL）: 针对领域增量学习任务，项目提出了一种新的学习范式，能够有效地处理新领域数据的分类问题。
• K-NN 和 K-Means: 在推理阶段，使用 K-NN 搜索最近领域中心，并通过 K-Means 对训练数据进行聚类。

3. 项目安装和配置的准备工作及详细安装步骤

准备工作

• 确保您的计算机上安装了 Python（推荐 Python 3.7 或更高版本）。
• 安装 conda，用于创建和管理虚拟环境（如果已安装，请跳过此步骤）。
• 准备一个 NVIDIA GPU（推荐使用 NVIDIA RTX 3090），因为项目使用了 CUDA 进行加速。

安装步骤

1. 创建虚拟环境

   打开命令行，执行以下命令创建一个名为 sp 的虚拟环境，并指定 Python 版本：

   conda create -f environment.yaml
   

   创建完成后，使用以下命令激活虚拟环境：

   conda activate sp
   

2. 安装依赖

   在虚拟环境中，使用以下命令安装项目所需的所有依赖：

   pip install -r requirements.txt
   

3. 准备数据集

   下载并解压以下三个标准领域增量学习基准数据集：

   • CDDB: 下载链接
   • CORe50: 下载链接
   • DomainNet: 下载链接

   解压后，将数据集路径修改为 config 文件中的 data_path 字段。

4. 配置模型参数

   根据需要修改 config 文件中的模型参数，例如 net_type 可以选择 slip 或 sip。

5. 开始训练

   根据您选择的数据集，运行以下命令开始训练：

   • CDDB:

     python main.py --config configs/cddb_slip.json
     python main.py --config configs/cddb_sip.json
     

   • CORe50:

     python main.py --config configs/core50_slip.json
     

   • DomainNet:

     python main.py --config configs/domainnet_slip.json
     

6. 评估模型

   训练完成后，您可以参考项目中的评估代码进行模型性能的评估。

通过上述步骤，您应该能够成功安装和配置 S-Prompts 项目，并开始进行领域增量学习的实验。