DeepEMD 项目使用教程

DeepEMD 项目使用教程

DeepEMDCode for paper "DeepEMD: Few-Shot Image Classification with Differentiable Earth Mover's Distance and Structured Classifiers", CVPR2020项目地址:https://gitcode.com/gh_mirrors/de/DeepEMD

1. 项目的目录结构及介绍

DeepEMD 项目的目录结构如下：

DeepEMD/
├── Models/
├── datasets/
├── .gitignore
├── LICENSE
├── README.md
├── architecture.png
├── download_pretrain_model.sh
├── download_trained_model.sh
├── eval.py
├── train_meta.py
├── train_pretrain.py

目录介绍

• Models/: 存放模型文件的目录。
• datasets/: 存放数据集的目录。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文档。
• architecture.png: 项目架构图。
• download_pretrain_model.sh: 下载预训练模型的脚本。
• download_trained_model.sh: 下载训练好的模型的脚本。
• eval.py: 评估模型的脚本。
• train_meta.py: 元学习训练脚本。
• train_pretrain.py: 预训练脚本。

2. 项目的启动文件介绍

项目的启动文件主要是 eval.py 和 train_meta.py。

eval.py

eval.py 用于评估训练好的模型。以下是一些常见的用法示例：

• 评估 DeepEMD-FCN 模型：

  python eval.py -deepemd fcn -gpu 0 1 2 3
  

• 评估 DeepEMD-Grid-Pyramid 模型：

  python eval.py -deepemd grid -patch_list 2 3 -gpu 0 1 2 3
  

train_meta.py

train_meta.py 用于元学习训练。以下是一些常见的用法示例：

• 使用 opencv 求解器训练 DeepEMD-FCN 模型：

  python train_meta.py -deepemd fcn -shot 1 -way 5 -solver opencv -gpu 0 1 2 3
  

• 使用 QPTH 求解器训练 DeepEMD-FCN 模型：

  python train_meta.py -deepemd fcn -shot 1 -way 5 -solver qpth -gpu 0 1 2 3
  

3. 项目的配置文件介绍

项目中没有明确的配置文件，但可以通过命令行参数进行配置。以下是一些常见的配置参数：

• -deepemd: 指定使用的模型类型（如 fcn, grid, sampling）。
• -gpu: 指定使用的 GPU 设备。
• -shot: 指定 shot 数。
• -way: 指定 way 数。
• -solver: 指定求解器类型（如 opencv, qpth）。

通过这些参数，可以灵活地配置和启动项目。

---

以上是 DeepEMD 项目的基本使用教程，希望对您有所帮助。

DeepEMDCode for paper "DeepEMD: Few-Shot Image Classification with Differentiable Earth Mover's Distance and Structured Classifiers", CVPR2020项目地址:https://gitcode.com/gh_mirrors/de/DeepEMD