无监督数据增强（UDA）项目教程

1. 项目目录结构及介绍

uda/
├── back_translate/
│   ├── download.sh
│   ├── run.sh
│   └── ...
├── image/
│   ├── scripts/
│   │   ├── download_cifar10.sh
│   │   ├── preprocess.sh
│   │   ├── run_cifar10_gpu.sh
│   │   └── run_svhn_gpu.sh
│   └── ...
├── text/
│   ├── scripts/
│   │   ├── download.sh
│   │   ├── prepro.sh
│   │   ├── run_base.sh
│   │   └── run_base_uda.sh
│   └── ...
├── .gitignore
├── CONTRIBUTING.md
├── LICENSE
└── README.md

目录结构介绍

• back_translate/: 包含用于回译数据增强的脚本。

  • download.sh: 下载相关数据。
  • run.sh: 执行回译数据增强的脚本。

• image/: 包含用于图像分类任务的脚本和数据处理脚本。

  • scripts/: 包含用于下载和预处理CIFAR-10和SVHN数据集的脚本。
    • download_cifar10.sh: 下载CIFAR-10数据集。
    • preprocess.sh: 预处理数据集。
    • run_cifar10_gpu.sh: 在GPU上运行CIFAR-10任务的脚本。
    • run_svhn_gpu.sh: 在GPU上运行SVHN任务的脚本。

• text/: 包含用于文本分类任务的脚本和数据处理脚本。

  • scripts/: 包含用于下载和预处理文本数据集的脚本。
    • download.sh: 下载相关数据。
    • prepro.sh: 预处理文本数据集。
    • run_base.sh: 运行基础文本分类任务的脚本。
    • run_base_uda.sh: 运行无监督数据增强（UDA）文本分类任务的脚本。

• .gitignore: Git忽略文件配置。

• CONTRIBUTING.md: 贡献指南。

• LICENSE: 项目许可证。

• README.md: 项目介绍和使用说明。

2. 项目的启动文件介绍

图像分类任务启动文件

• run_cifar10_gpu.sh: 用于在GPU上启动CIFAR-10图像分类任务的脚本。
• run_svhn_gpu.sh: 用于在GPU上启动SVHN图像分类任务的脚本。

文本分类任务启动文件

• run_base.sh: 用于启动基础文本分类任务的脚本。
• run_base_uda.sh: 用于启动无监督数据增强（UDA）文本分类任务的脚本。

3. 项目的配置文件介绍

环境配置

项目依赖于Python 2.7和TensorFlow 1.13。安装TensorFlow后，可以通过以下命令安装其他依赖：

pip install --user absl-py

数据预处理配置

在图像分类任务中，可以通过设置AUG_COPY变量来控制生成的增强数据的数量。例如：

AUG_COPY=100 bash scripts/download_cifar10.sh

在文本分类任务中，可以通过设置MAX_SEQ_LENGTH变量来控制序列的最大长度。例如：

MAX_SEQ_LENGTH=128 bash scripts/prepro.sh --max_seq_length=$[MAX_SEQ_LENGTH]

回译数据增强配置

在回译数据增强任务中，可以通过设置sampling_temp变量来控制生成数据的多样性和质量。例如：

bash run.sh --sampling_temp=0.7

通过以上配置，您可以根据项目需求调整数据预处理和任务启动的参数。