Structure Knowledge Distillation 项目使用教程

1. 项目目录结构及介绍

structure_knowledge_distillation/
├── dataset/
│   └── 数据集加载器
├── demo/
│   └── 示例代码
├── libs/
│   └── 包含 InPlace-ABNSync 模块
├── networks/
│   └── 模型库
├── outputs/
│   └── 输出文件
├── utils/
│   └── 计算蒸馏损失的 API
├── .gitignore
├── LICENSE
├── README.md
├── run_test.sh
├── run_train_val.sh
├── test.py
├── train_and_eval.py

目录结构介绍

• dataset/: 包含不同数据集的加载器。
• demo/: 包含示例代码。
• libs/: 包含 InPlace-ABNSync 模块。
• networks/: 包含网络模型。
• outputs/: 输出文件。
• utils/: 包含计算蒸馏损失的 API。
• .gitignore: Git 忽略文件。
• LICENSE: 项目许可证。
• README.md: 项目说明文档。
• run_test.sh: 测试脚本。
• run_train_val.sh: 训练和验证脚本。
• test.py: 测试代码。
• train_and_eval.py: 训练和评估代码。

2. 项目启动文件介绍

run_test.sh

该脚本用于运行测试。你需要修改 data-dir 为你自己的数据目录。

sh run_test.sh

run_train_val.sh

该脚本用于运行训练和验证。你可以通过修改 is_pi_use、is_pa_use 和 is_ho_use 来控制不同的蒸馏方法。

sh run_train_val.sh

test.py

该文件包含测试代码。你可以通过修改 data-dir 和 resume-from 路径来运行测试。

sh test.sh

train_and_eval.py

该文件包含训练和评估代码。你可以通过修改配置来运行不同的训练和评估任务。

python train_and_eval.py

3. 项目的配置文件介绍

数据集配置

在 dataset/ 目录下，你可以找到不同数据集的加载器。你需要根据你的数据集路径进行配置。

模型配置

在 networks/ 目录下，你可以找到不同的网络模型。你可以根据需要选择不同的模型进行训练和测试。

蒸馏方法配置

在 train_and_eval.py 中，你可以通过修改 is_pi_use、is_pa_use 和 is_ho_use 来控制不同的蒸馏方法。

输出配置

在 outputs/ 目录下，你可以找到训练和测试的输出文件。你可以根据需要修改输出路径。

其他配置

在 run_test.sh 和 run_train_val.sh 中，你可以修改 data-dir 和 resume-from 路径来配置数据集和模型路径。

通过以上配置，你可以根据自己的需求运行和测试 Structure Knowledge Distillation 项目。