首页
/ AWT 项目最佳实践教程

AWT 项目最佳实践教程

2025-05-22 19:50:11作者:农烁颖Land

1. 项目介绍

AWT(Augmentation, Weighting, and Transportation)是一个创新性的框架,用于迁移预训练的视觉语言模型(VLMs)到下游任务。该框架通过增强、权重调整和迁移技术,大幅提升了VLMs的零样本和少量样本学习能力。AWT在零样本和少量样本的图像和视频任务中刷新了基准记录,达到了最先进的性能水平。

2. 项目快速启动

环境搭建

首先,创建一个conda环境并安装必要的依赖:

conda create -y -n awt python=3.8
conda activate awt
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
pip install -r requirements.txt

零样本图像分类

  1. 切换到零样本图像分类目录:
cd AWT_zero_shot
  1. 设置数据路径在 ./scripts/pre_extract.sh 文件中,然后选择相应的数据集名称。

  2. 提取视觉特征:

bash ./scripts/pre_extract.sh [dataset_name]
  1. 评估AWT性能:
bash ./scripts/evaluate.sh [dataset_name]

少量样本图像分类

  1. 切换到少量样本图像分类目录:
cd AWT_few_shot/MM_Adapter
  1. 根据硬件配置,可能需要调整 Desc_Per_Batch 的值以避免内存溢出。

  2. 进行训练:

bash scripts/awt/main.sh [dataset_name] vit_b16_1_2_4_shot [n_shot]
  1. 评估模型:
bash scripts/awt/test.sh [dataset_name] [config_you_use] [n_shot]

3. 应用案例和最佳实践

  • 零样本视频动作识别:将视频帧视为增强视图,使用预训练的Open-VCLIP提取特征,然后使用AWT进行评估。
  • 生成描述:采用两步数据集感知提示策略为每个类别生成描述。
  • 使用其他VLMs:可以尝试在ALIGN、EVA02-CLIP或SigLIP等模型上运行AWT。

4. 典型生态项目

AWT项目是基于以下开源项目构建的:

  • CoOp
  • PLOT
  • TPT
  • Dassl
  • Open-VCLIP

以上开源项目为AWT提供了坚实的基础,同时也展示了开源生态系统的协同力量。

通过以上步骤,您应该能够成功启动并使用AWT项目,进行视觉语言模型的迁移学习和应用开发。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8