基于远程服务器 Tip_Adapter源码从零开始复现

原创

已于 2022-08-31 19:52:04 修改 · 1.4k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #计算机视觉 #神经网络 #迁移学习

于 2022-08-31 19:48:26 首次发布

该博客介绍了如何基于斯坦福Cars数据集复现论文Tip-Adapter的实验。首先，创建数据集目录并下载数据，然后在远程服务器上配置环境，包括设置SSH连接和安装依赖。在完成环境配置后，按照指南运行代码，展示了训练过程及精度提升。最终，Tip-Adapter在第17轮训练中达到75.24%的精度，优于zero-shot CLIP和Tip-Adapter的先前结果。

论文：https://arxiv.org/abs/2111.03930

代码：GitHub - gaopengcuhk/Tip-Adapter

根据论文提供的代码基于stanford_cars数据集复现，起初计划使用imagenet数据集进行复现，但imagenet官方下载失败，于是就采用了stanford_cars数据集。下面是具体步骤：

步骤

下载数据集

首先在DATASET.md中找到stanford_cars的下载方法：

我们按照官方提示在根目录下创建各个数据集的子目录，方便各个数据集的切换：

```
$DATA/
|–– imagenet/
|–– caltech-101/
|–– oxford_pets/
|–– stanford_cars/
```

其次找到stanford_cars模块下载链接，并按照提示创建好文件夹：

### StanfordCars
- Create a folder named `stanford_cars/` under `$DATA`.
- Download the train images http://ai.stanford.edu/~jkrause/car196/cars_train.tgz.
- Download the test images http://ai.stanford