prototypical networks

幾次學習的原型網絡

NIPS 2017紙張原型網絡的代碼，用於幾次學習。

如果您使用此代碼，請引用我們的論文：

 @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}
 }

培訓原型網絡

安裝依賴項

• 該代碼已在Ubuntu 16.04上進行了測試，Python 3.6和Pytorch 0.4。
• 安裝Pytorch和Torchvision。
• 通過運行pip install git+https://github.com/pytorch/tnt.git@master安裝Torchnet。
• 通過運行python setup.py install安裝質子軟件包。 Pyinstall或python setup.py develop 。

設置Omniglot數據集

• 運行sh download_omniglot.sh 。

訓練模型

• 運行python scripts/train/few_shot/run_train.py 。這將進行培訓並將結果納入results 。
  • 您可以通過傳遞選項--log.exp_dir EXP_DIR來指定不同的輸出目錄，其中EXP_DIR是您所需的輸出目錄。
  • 如果您在GPU上運行，則可以通過選項--data.cuda 。
• 在Trainval模式下重新運行python scripts/train/few_shot/run_trainval.py 。默認情況下，這將使您的模型將您的模型保存到results/trainval中。

評價

• 運行評估為： python scripts/predict/few_shot/run_eval.py --model.model_path results/trainval/best_model.pt 。