LP-DeepSSL 项目使用教程

LP-DeepSSL 项目使用教程

LP-DeepSSL Code for CVPR 2019 paper Label Propagation for Deep Semi-supervised Learning 项目地址: https://gitcode.com/gh_mirrors/lp/LP-DeepSSL

1. 项目目录结构及介绍

LP-DeepSSL 项目的目录结构如下：

LP-DeepSSL/
├── data-local/
│   └── bin/
├── lp/
├── mean_teacher/
├── .gitignore
├── LICENSE
├── README.md
├── helpers.py
├── requirements.txt
├── train_stage1.py
└── train_stage2.py

目录结构介绍

• data-local/: 存放数据预处理的脚本和数据文件。
  • bin/: 包含用于准备 CIFAR-10 和 CIFAR-100 数据集的脚本。
• lp/: 存放与标签传播相关的代码。
• mean_teacher/: 存放与 Mean Teacher 相关的代码。
• .gitignore: Git 忽略文件，指定哪些文件和目录不需要被 Git 管理。
• LICENSE: 项目的开源许可证文件，采用 MIT 许可证。
• README.md: 项目的介绍文档，包含项目的基本信息和使用说明。
• helpers.py: 辅助函数文件，包含项目中使用的各种辅助函数。
• requirements.txt: 项目依赖的 Python 包列表。
• train_stage1.py: 项目的第一阶段训练脚本。
• train_stage2.py: 项目的第二阶段训练脚本。

2. 项目启动文件介绍

train_stage1.py

train_stage1.py 是项目的第一阶段训练脚本。该脚本用于训练一个仅使用已知标签数据的网络。

主要参数

• --exclude-unlabeled: 是否排除未标记的数据。
• --num-labeled: 已标记数据点的数量。
• --gpu-id: 使用的 GPU ID（默认为 0）。
• --label-split: 使用的数据分割 ID。
• --isMT: 是否使用 Mean Teacher 方法。
• --isL2: 是否使用 L2 正则化。
• --dataset: 使用的数据集名称（cifar10, cifar100, 或 miniimagenet）。

train_stage2.py

train_stage2.py 是项目的第二阶段训练脚本。该脚本用于在第一阶段训练的基础上，使用伪标签对整个数据集进行训练。

主要参数

• --labeled-batch-size: 每个批次中已标记图像的数量。
• --num-labeled: 已标记数据点的数量。
• --gpu-id: 使用的 GPU ID（默认为 0）。
• --label-split: 使用的数据分割 ID。
• --isMT: 是否使用 Mean Teacher 方法。
• --isL2: 是否使用 L2 正则化。
• --dataset: 使用的数据集名称（cifar10, cifar100, 或 miniimagenet）。

3. 项目的配置文件介绍

requirements.txt

requirements.txt 文件列出了项目运行所需的 Python 包及其版本。使用以下命令安装这些依赖：

pip install -r requirements.txt

.gitignore

.gitignore 文件用于指定哪些文件和目录不需要被 Git 管理。通常包括临时文件、缓存文件、生成的文件等。

LICENSE

LICENSE 文件包含了项目的开源许可证信息，本项目采用 MIT 许可证。

README.md

README.md 文件是项目的介绍文档，包含了项目的基本信息、使用说明、依赖安装方法等。建议在开始使用项目前仔细阅读该文件。

通过以上介绍，您应该对 LP-DeepSSL 项目的目录结构、启动文件和配置文件有了基本的了解。希望这份教程能帮助您顺利使用该项目。

LP-DeepSSL Code for CVPR 2019 paper Label Propagation for Deep Semi-supervised Learning 项目地址: https://gitcode.com/gh_mirrors/lp/LP-DeepSSL