PyCIL 项目使用教程

1. 项目的目录结构及介绍

PyCIL 项目的目录结构如下：

PyCIL/
├── convs/
├── exps/
├── models/
├── resources/
├── utils/
├── .gitignore
├── LICENSE
├── README.md
├── main.py
├── rmm_train.py
├── trainer.py

目录结构介绍

• convs/: 包含与卷积神经网络相关的代码文件。
• exps/: 包含实验配置文件，用于定义不同模型的超参数和全局设置。
• models/: 包含各种模型的实现代码，如 EWC、iCaRL 等。
• resources/: 包含项目所需的资源文件，如数据集等。
• utils/: 包含项目中使用的各种实用工具函数。
• .gitignore: Git 忽略文件，定义了哪些文件或目录不需要被 Git 管理。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍文档，包含项目的概述、使用方法等信息。
• main.py: 项目的启动文件，用于运行实验。
• rmm_train.py: 与 RMM 模型训练相关的代码文件。
• trainer.py: 训练器的实现代码，用于管理模型的训练过程。

2. 项目的启动文件介绍

main.py

main.py 是 PyCIL 项目的启动文件，用于运行实验。通过该文件，用户可以指定不同的模型和配置文件来执行训练和测试任务。

主要功能

• 加载配置文件: 通过 --config 参数指定配置文件路径，加载实验所需的全局设置和超参数。
• 运行实验: 根据配置文件中的设置，初始化模型并开始训练或测试。

使用示例

python main.py --config=./exps/[MODEL_NAME].json

其中 [MODEL_NAME] 应替换为具体的模型名称，如 finetune、ewc 等。

3. 项目的配置文件介绍

配置文件结构

配置文件位于 exps/ 目录下，通常以 .json 格式存储。每个配置文件定义了一个实验的全局设置和超参数。

示例配置文件

{
  "memory-size": 2000,
  "batch-size": 64,
  "learning-rate": 0.001,
  "epochs": 100
}

配置文件参数介绍

• memory-size: 增量学习过程中保留的样本总数。假设当前阶段有 $K$ 个类别，模型将保留 $\left[\frac{memory-size}{K}\right]$ 个样本。
• batch-size: 训练时的批量大小。
• learning-rate: 学习率，控制模型参数更新的步长。
• epochs: 训练的总轮数。

配置文件的使用

在 main.py 中，通过 --config 参数指定配置文件路径，即可加载相应的配置并开始实验。

python main.py --config=./exps/finetune.json

通过修改配置文件中的参数，用户可以灵活地调整实验设置，以适应不同的需求和场景。