D-VAE 项目使用教程-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00413/article/details/142838655

D-VAE 项目使用教程

D-VAE D-VAE: A Variational Autoencoder for Directed Acyclic Graphs, NeurIPS 2019 项目地址: https://gitcode.com/gh_mirrors/dv/D-VAE

1. 项目目录结构及介绍

D-VAE/
├── bayesian_optimization/
│   ├── Theano-master/
│   └── run_bo_ENAS.sh
│   └── run_bo_BN.sh
│   └── summarize.py
├── data/
│   └── final_structures6/
│   └── asia_200k/
├── software/
│   └── enas/
│       └── outputs_6/
│       └── data/
│           └── cifar10/
├── LICENSE
├── README.md
├── commands.sh
├── compute_score.R
├── models.py
├── train.py
├── util.py
└── requirements.txt

目录结构介绍

bayesian_optimization/: 包含贝叶斯优化相关的脚本和配置文件。
- Theano-master/: 基于Theano的稀疏高斯过程实现。
- run_bo_ENAS.sh: 用于运行神经架构搜索的贝叶斯优化脚本。
- run_bo_BN.sh: 用于运行贝叶斯网络结构学习的贝叶斯优化脚本。
- summarize.py: 用于汇总贝叶斯优化结果的脚本。
data/: 包含项目所需的数据集。
- final_structures6/: 用于训练神经架构的数据集。
- asia_200k/: 用于训练贝叶斯网络的数据集。
software/: 包含与项目相关的软件和模型。
- enas/: 包含预训练的ENAS模型和CIFAR10数据集。
  - outputs_6/: 包含6层预训练ENAS模型的文件。
  - data/cifar10/: 包含CIFAR10数据集。
LICENSE: 项目的开源许可证文件。
README.md: 项目的介绍和使用说明。
commands.sh: 包含项目运行所需的命令。
compute_score.R: 用于计算评分的R脚本。
models.py: 包含项目的模型定义。
train.py: 项目的训练脚本。
util.py: 包含项目所需的实用函数。
requirements.txt: 项目所需的Python依赖包列表。

2. 项目启动文件介绍

`train.py`

train.py 是项目的核心启动文件，用于训练D-VAE模型。它支持训练神经架构和贝叶斯网络两种模式。

主要参数

--data-name: 指定数据集名称，例如 final_structures6 或 asia_200k。
--save-interval: 保存模型的间隔（以epoch为单位）。
--save-appendix: 保存模型的附加字符串。
--epochs: 训练的总epoch数。
--lr: 学习率。
--model: 指定模型类型，例如 DVAE 或 DVAE_BN。
--bidirectional: 是否使用双向消息传递。
--nz: 潜在空间的维度。
--batch-size: 批处理大小。

示例命令

python train.py --data-name final_structures6 --save-interval 100 --save-appendix _DVAE --epochs 300 --lr 1e-4 --model DVAE --bidirectional --nz 56 --batch-size 32