prototypical networks

Прототипические сети для нескольких выстрелов

Код для бумажных прототипических сетей NIPS 2017 для нескольких выстрелов.

Если вы используете этот код, пожалуйста, укажите нашу статью:

 @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}
 }

Обучение прототипической сети

Установить зависимости

• Этот код был протестирован на Ubuntu 16.04 с Python 3.6 и Pytorch 0,4.
• Установите Pytorch и Torchvision.
• Установите TORCHNET, запустив pip install git+https://github.com/pytorch/tnt.git@master .
• Установите пакет Protonets, запустив python setup.py install или python setup.py develop .

Настройка набора данных Omniglot

• Запустите sh download_omniglot.sh .

Тренировать модель

• Запустите python scripts/train/few_shot/run_train.py . Это проведет обучение и приведет результаты в results .
  • Вы можете указать другой выходной каталог, передав опцию --log.exp_dir EXP_DIR , где EXP_DIR -ваш желаемый каталог вывода.
  • Если вы работаете на графическом процессоре, вы можете передать опцию --data.cuda .
• Повторный разряд в режиме Trainval python scripts/train/few_shot/run_trainval.py . Это сохранит вашу модель в results/trainval по умолчанию.

Оценивать

• Запустите оценку как: python scripts/predict/few_shot/run_eval.py --model.model_path results/trainval/best_model.pt .