Outlier Exposure 项目使用教程

1. 项目目录结构及介绍

outlier-exposure/
├── CIFAR/
│   ├── cifar_train.py
│   ├── cifar_test.py
│   └── ...
├── MNIST/
│   ├── mnist_train.py
│   ├── mnist_test.py
│   └── ...
├── NLP_classification/
│   ├── nlp_train.py
│   ├── nlp_test.py
│   └── ...
├── NLP_language_modeling/
│   ├── lm_train.py
│   ├── lm_test.py
│   └── ...
├── SVHN/
│   ├── svhn_train.py
│   ├── svhn_test.py
│   └── ...
├── TinyImageNet/
│   ├── tinyimagenet_train.py
│   ├── tinyimagenet_test.py
│   └── ...
├── utils/
│   ├── utils.py
│   └── ...
├── LICENSE
├── README.md
└── roc_curves.png

目录结构介绍

• CIFAR/: 包含用于CIFAR数据集的训练和测试脚本。
• MNIST/: 包含用于MNIST数据集的训练和测试脚本。
• NLP_classification/: 包含用于自然语言处理分类任务的训练和测试脚本。
• NLP_language_modeling/: 包含用于自然语言处理语言建模任务的训练和测试脚本。
• SVHN/: 包含用于SVHN数据集的训练和测试脚本。
• TinyImageNet/: 包含用于TinyImageNet数据集的训练和测试脚本。
• utils/: 包含项目中使用的各种实用工具函数。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• roc_curves.png: 示例ROC曲线图。

2. 项目启动文件介绍

CIFAR/cifar_train.py

该文件是用于CIFAR数据集的训练脚本。启动该文件可以开始CIFAR数据集的模型训练。

python CIFAR/cifar_train.py

MNIST/mnist_train.py

该文件是用于MNIST数据集的训练脚本。启动该文件可以开始MNIST数据集的模型训练。

python MNIST/mnist_train.py

NLP_classification/nlp_train.py

该文件是用于自然语言处理分类任务的训练脚本。启动该文件可以开始NLP分类任务的模型训练。

python NLP_classification/nlp_train.py

SVHN/svhn_train.py

该文件是用于SVHN数据集的训练脚本。启动该文件可以开始SVHN数据集的模型训练。

python SVHN/svhn_train.py

TinyImageNet/tinyimagenet_train.py

该文件是用于TinyImageNet数据集的训练脚本。启动该文件可以开始TinyImageNet数据集的模型训练。

python TinyImageNet/tinyimagenet_train.py

3. 项目配置文件介绍

项目中没有显式的配置文件，但可以通过修改训练脚本中的参数来调整模型的训练配置。例如，在cifar_train.py中，可以通过修改以下参数来调整训练配置：

# cifar_train.py
batch_size = 128
learning_rate = 0.001
num_epochs = 100

这些参数可以根据具体需求进行调整，以优化模型的训练效果。

---

通过以上步骤，您可以顺利启动并配置Outlier Exposure项目，开始模型的训练和测试。