prototypical networks

Redes prototípicas para el aprendizaje de pocos disparos

Código para las redes prototípicas de papel NIPS 2017 para el aprendizaje de pocos disparos.

Si usa este código, cite nuestro documento:

 @inproceedings{snell2017prototypical,
  title={Prototypical Networks for Few-shot Learning},
  author={Snell, Jake and Swersky, Kevin and Zemel, Richard},
  booktitle={Advances in Neural Information Processing Systems},
  year={2017}
 }

Entrenar una red prototípica

Instalar dependencias

• Este código ha sido probado en Ubuntu 16.04 con Python 3.6 y Pytorch 0.4.
• Instale Pytorch y TorchVision.
• Instale la Netnet con ejecución pip install git+https://github.com/pytorch/tnt.git@master .
• Instale el paquete Protonets ejecutando python setup.py install o python setup.py develop .

Configurar el conjunto de datos OmnigLot

• Ejecute sh download_omniglot.sh .

Entrenar el modelo

• Ejecute python scripts/train/few_shot/run_train.py . Esto ejecutará el entrenamiento y colocará los resultados en results .
  • Puede especificar un directorio de salida diferente pasando en la opción --log.exp_dir EXP_DIR , donde EXP_DIR es el directorio de salida deseado.
  • Si se ejecuta en una GPU, puede pasar en la opción --data.cuda .
• Vuelva a ejecutar en el modo Trainval python scripts/train/few_shot/run_trainval.py . Esto guardará su modelo en results/trainval de forma predeterminada.

Evaluar

• Evaluación Ejecutar como: python scripts/predict/few_shot/run_eval.py --model.model_path results/trainval/best_model.pt .