prototypical networks

Redes prototípicas para aprendizado de poucos tiros

Código para as redes prototípicas de papel do NIPS 2017 para aprendizado de poucos anos.

Se você usar este código, cite nosso artigo:

 @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}
 }

Treinando uma rede prototípica

Instalar dependências

• Este código foi testado no Ubuntu 16.04 com Python 3.6 e Pytorch 0.4.
• Instale Pytorch e Torchvision.
• Instale a Torchnet executando pip install git+https://github.com/pytorch/tnt.git@master .
• Instale o pacote ProtoNets executando python setup.py install ou python setup.py develop .

Configure o conjunto de dados Omniglot

• Execute sh download_omniglot.sh .

Treine o modelo

• Execute python scripts/train/few_shot/run_train.py . Isso executará treinamento e colocará os resultados nos results .
  • Você pode especificar um diretório de saída diferente, passando a opção --log.exp_dir EXP_DIR , onde EXP_DIR é o diretório de saída desejado.
  • Se você estiver executando em uma GPU, poderá passar a opção --data.cuda .
• Re-execução no modo de trens python scripts/train/few_shot/run_trainval.py . Isso salvará seu modelo em results/trainval por padrão.

Avaliar

• Execute a avaliação como: python scripts/predict/few_shot/run_eval.py --model.model_path results/trainval/best_model.pt .