LearningToCompare_FSL 项目使用教程

1. 项目目录结构及介绍

LearningToCompare_FSL/
├── datas/
│   ├── miniimagenet/
│   └── omniglot/
├── omniglot/
│   ├── omniglot_train_one_shot.py
│   ├── omniglot_train_few_shot.py
│   ├── omniglot_test_one_shot.py
│   └── ...
├── miniimagenet/
│   ├── miniimagenet_train_one_shot.py
│   ├── miniimagenet_train_few_shot.py
│   └── ...
├── .gitignore
├── LICENSE
├── README.md
└── proc_image.py

目录结构说明

• datas/: 存放数据集的目录，包含 miniimagenet 和 omniglot 两个子目录。
• omniglot/: 包含用于 Omniglot 数据集的训练和测试脚本。
• miniimagenet/: 包含用于 mini-Imagenet 数据集的训练和测试脚本。
• .gitignore: Git 忽略文件，指定哪些文件或目录不需要被版本控制。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的说明文档，包含项目的基本信息、依赖项、数据准备、训练和测试命令等。
• proc_image.py: 用于预处理 mini-Imagenet 数据集的脚本。

2. 项目启动文件介绍

Omniglot 数据集

• omniglot_train_one_shot.py: 用于 Omniglot 数据集的单样本学习训练。
• omniglot_train_few_shot.py: 用于 Omniglot 数据集的少样本学习训练。
• omniglot_test_one_shot.py: 用于 Omniglot 数据集的单样本学习测试。

mini-Imagenet 数据集

• miniimagenet_train_one_shot.py: 用于 mini-Imagenet 数据集的单样本学习训练。
• miniimagenet_train_few_shot.py: 用于 mini-Imagenet 数据集的少样本学习训练。

启动命令示例

Omniglot 5-way 1-shot 训练

python omniglot_train_one_shot.py -w 5 -s 1 -b 19

Omniglot 5-way 5-shot 训练

python omniglot_train_few_shot.py -w 5 -s 5 -b 15

mini-Imagenet 5-way 1-shot 训练

python miniimagenet_train_one_shot.py -w 5 -s 1 -b 15

3. 项目配置文件介绍

项目中没有显式的配置文件，但可以通过命令行参数进行配置。主要的配置参数包括：

• -w: 设置任务的类别数（way）。
• -s: 设置每个类别的样本数（shot）。
• -b: 设置批量大小（batch size）。

例如，在训练时可以通过以下命令调整参数：

python omniglot_train_one_shot.py -w 5 -s 1 -b 19

这个命令表示进行 5-way 1-shot 的训练，批量大小为 19。

总结

本教程介绍了 LearningToCompare_FSL 项目的目录结构、启动文件和配置方式。通过这些信息，用户可以快速上手并开始使用该项目进行少样本学习的训练和测试。