AWT项目启动与配置教程

1. 项目的目录结构及介绍

AWT 项目是一个开源的视觉语言模型迁移框架，其目录结构如下：

• AWT_few_shot/：包含进行少量样本学习实验的代码和配置文件。
• AWT_zero_shot/：包含进行零样本学习实验的代码和配置文件。
• description_generation/：包含生成类描述的代码。
• images/：存储与项目相关的图像数据。
• LICENSE：项目的Apache-2.0许可证文件。
• README.md：项目的详细说明文件。
• requirements.txt：项目所需的Python包依赖。

每个子目录下通常包含相应的脚本文件（如pre_extract.sh，evaluate.sh），配置文件（后缀为.yaml），以及用于运行实验的Python代码。

2. 项目的启动文件介绍

项目的启动通常依赖于一系列脚本文件，以下是一些主要脚本文件的作用：

• pre_extract.sh：用于提取数据集的视觉特征。
• evaluate.sh：用于评估模型在特定数据集上的性能。

这些脚本通常需要在特定的目录下运行，例如AWT_zero_shot/或AWT_few_shot/，并且可能需要设置数据集路径等环境变量。

3. 项目的配置文件介绍

项目的配置文件主要是一些YAML文件，这些文件定义了实验的参数，例如模型结构、训练参数、数据集路径等。以下是一些主要的配置文件：

• trainers/AWT/[config_you_use].yaml：定义了模型训练的参数，如批次大小、学习率等。
• datasets/：包含了数据集配置，如数据集路径、类别信息等。

启动项目之前，需要确保配置文件中的参数设置正确，特别是数据集路径和模型相关参数。

在进行任何实验之前，建议先阅读README.md文件，以了解项目的详细信息和安装步骤。此外，还需要根据官方教程安装所需的依赖库，并且可能需要安装特定版本的CUDA以匹配PyTorch版本。