SimpleShot 项目使用教程

1. 项目目录结构及介绍

SimpleShot 项目的目录结构如下：

simple_shot/
├── configs/
│   ├── mini/
│   └── tiered/
├── results/
│   ├── protonet/
│   │   └── conv4/
│   └── split/
│       ├── mini/
│       └── tiered/
├── src/
│   ├── utils/
│   └── train.py
├── LICENSE
└── README.md

目录结构介绍

• configs/: 包含项目的配置文件，分为 mini 和 tiered 两个子目录，分别对应不同的数据集配置。
• results/: 存储训练结果和模型文件，protonet/conv4/ 目录下包含基于 conv4 骨干网络的 prototypical network 模型结果。
• src/: 项目的主要代码文件，包含训练和测试脚本，以及一些工具函数。
• LICENSE: 项目的开源许可证文件，采用 MIT 许可证。
• README.md: 项目的介绍文档，包含项目的基本信息和使用说明。

2. 项目的启动文件介绍

项目的启动文件主要位于 src/ 目录下，主要包括以下几个文件：

• train.py: 用于训练模型的主脚本。可以通过命令行参数指定配置文件和数据路径，启动训练过程。
• test_inatural.py: 用于在 iNat2017 数据集上进行测试的脚本。
• utils/: 包含一些辅助函数和工具脚本，例如数据集处理和模型下载等。

启动文件使用示例

# 训练 Conv-4 模型在 Mini-ImageNet 数据集上
python src/train.py -c configs/mini/softmax/conv4_config --data path-to-mini-imagenet/

# 在 Mini-ImageNet 数据集上评估模型
python src/train.py -c configs/mini/softmax/conv4_config --evaluate --enlarge --data path-to-mini-imagenet/

3. 项目的配置文件介绍

配置文件位于 configs/ 目录下，分为 mini 和 tiered 两个子目录，分别对应不同的数据集配置。每个配置文件定义了模型的训练参数、数据路径和其他相关设置。

配置文件示例

以 configs/mini/softmax/conv4_config 为例：

# 配置文件示例
dataset: mini
model: conv4
batch_size: 64
learning_rate: 0.001
epochs: 100
data_path: path-to-mini-imagenet/

配置文件说明

• dataset: 指定数据集类型，如 mini 或 tiered。
• model: 指定使用的模型，如 conv4。
• batch_size: 训练时的批量大小。
• learning_rate: 学习率。
• epochs: 训练的轮数。
• data_path: 数据集的路径。

通过修改配置文件中的参数，可以调整模型的训练行为和数据处理方式。