prototypical networks

几次学习的原型网络

NIPS 2017纸张原型网络的代码，用于几次学习。

如果您使用此代码，请引用我们的论文：

 @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}
 }

培训原型网络

安装依赖项

• 该代码已在Ubuntu 16.04上进行了测试，Python 3.6和Pytorch 0.4。
• 安装Pytorch和Torchvision。
• 通过运行pip install git+https://github.com/pytorch/tnt.git@master安装Torchnet。
• 通过运行python setup.py install安装质子软件包。Pyinstall或python setup.py develop 。

设置Omniglot数据集

• 运行sh download_omniglot.sh 。

训练模型

• 运行python scripts/train/few_shot/run_train.py 。这将进行培训并将结果纳入results 。
  • 您可以通过传递选项--log.exp_dir EXP_DIR来指定不同的输出目录，其中EXP_DIR是您所需的输出目录。
  • 如果您在GPU上运行，则可以通过选项--data.cuda 。
• 在Trainval模式下重新运行python scripts/train/few_shot/run_trainval.py 。默认情况下，这将使您的模型将您的模型保存到results/trainval中。

评价

• 运行评估为： python scripts/predict/few_shot/run_eval.py --model.model_path results/trainval/best_model.pt 。