ProtoTree 项目使用教程

1. 项目目录结构及介绍

ProtoTree 项目是一个开源的深度学习项目，主要用于细粒度图像识别，并提供了模型的可解释性。项目的目录结构如下：

• features/: 存储预训练的特征数据。
• images/: 存储用于训练和测试的图像数据。
• preprocess_data/: 包含用于下载和预处理数据集的脚本。
• prototree/: 核心代码目录，包含模型的实现。
• util/: 包含一些工具函数和类。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文件。
• main_ensemble.py: 训练模型集的启动文件。
• main_explain_local.py: 用于解释单个图像预测的启动文件。
• main_tree.py: 训练单个 ProtoTree 模型的启动文件。

2. 项目的启动文件介绍

• main_tree.py: 这是训练单个 ProtoTree 模型的启动文件。运行此脚本将开始模型的训练过程。可以通过命令行参数配置训练过程的各种参数，如学习率、训练周期、数据集等。

• main_ensemble.py: 用于训练模型集的启动文件。与 main_tree.py 类似，但它允许用户指定要训练的树的数量，形成一个模型集。

• main_explain_local.py: 用于对单个图像进行预测解释的启动文件。它将输出一个可视化的解释，说明模型是如何做出特定预测的。

3. 项目的配置文件介绍

本项目主要通过命令行参数进行配置。以下是一些常用的配置选项：

• --epochs: 指定训练的总周期数。
• --log_dir: 指定日志和输出文件的存储目录。
• --dataset: 指定所使用的数据集名称。
• --lr: 设置学习率。
• --num_features: 设置模型特征的数量。
• --depth: 设置模型树的深度。
• --net: 设置使用的网络架构。
• --freeze_epochs: 设置在多少周期内冻结网络权重。
• --milestones: 设置学习率衰减的周期。

这些配置参数可以在运行 main_tree.py、main_ensemble.py 或 main_explain_local.py 时提供，以适应不同的训练和解释需求。