Space2Vec 开源项目安装与使用教程

Space2Vec 是一个用于多尺度空间特征分布表示学习的模型，该模型利用网格细胞的概念，旨在编码地方的绝对位置及其空间关系。这个项目是基于 Gengchen Mai 等人在 ICLR 2020 上发表的研究成果。以下是对该开源项目的基本指引，包括其目录结构、启动文件以及配置文件的简介。

1. 项目目录结构及介绍

项目的核心在于两个主要的子目录：spacegraph 和 geo_prior。以下是关键的目录组成部分：

• spacegraph/:

  • 包含用于点兴趣（Point of Interest, POI）类型分类任务的代码。
  • 其中，data_collection/ 存放相关数据集，如 POI 类型信息和点集。
  • spacegraph_codebase/ 包含训练和评估模型的具体实现。

• geo_prior/:

  • 用于地理感知细粒度图像分类任务的代码，基于修改后的 Mac Aodha 等人的工作。
  • 含有对鸟瞰图数据集（BirdSnap作为示例）处理的脚本。
  • 需要安装额外依赖以支持 Python 3.6+ 版本。

• setup.py 文件位于主目录下，用于设置 POI 类型分类部分所需的环境。

• requirements.txt 文件在每个子目录内列出特定于该子目录的依赖项，需按需安装。

2. 项目的启动文件介绍

POI 类型分类任务

• 启动地点模型训练，例如使用网格查找方式的命令为：

  cd spacegraph/
  bash Place2Vec_2_enc_dec_global_gridlookup.sh
  

  这将依据脚本中的指示执行模型训练，并生成相应的模型文件和日志记录。

地理感知图像分类任务

• 在 geo_prior/ 目录下，通过运行如下命令来开始模型训练：

  python3 geo_prior/train_geo_net.py
  

3. 项目的配置文件介绍

• 配置通常通过命令行参数指定，如 --model_dir 和 --log_dir 指定模型保存路径和日志记录路径。
• 对于更细致的配置调整，查看各任务对应的 .py 文件或 bash 脚本，其中可能包含了超参数的默认值。
• 特别地，每个子任务（如地点模型的多种实现方式）都有其特定的配置方式，这些配置更多是通过脚本内部定义或通过环境变量间接实现，而非传统意义上的独立配置文件。

注意事项

• 根据具体任务选择相应子目录下的脚本来启动程序。
• 确保满足依赖要求，Python 2.7+ 对于 spacegraph/ 下的任务，而 geo_prior/ 需要 Python 3.6+。
• 安装所有必需的库和包，可以参考 requirements.txt 文件进行安装。

通过遵循上述指南，您可以成功搭建并开始使用 Space2Vec 项目，探索其提供的多尺度空间特征表示能力。