文件名称：PT-MAP:少量分类算法
文件大小：74KB
文件格式：ZIP
更新时间：2024-05-23 08:28:15
Python
在基于转移的少量学习中利用特征分布 该存储库是利用基于转移的少量学习中的功能分布的正式实现。 要求 要安装要求： pip install -r requirements.txt 下载数据集并创建base / val / novel拆分： miniImageNet 将目录更改为filelists / miniImagenet / 运行'source ./download_miniImagenet.sh' 幼兽 将目录更改为文件列表/ CUB / 运行'source ./download_CUB.sh' CIFAR文件系统 下载 解压缩并将文件名更改为“ cifar-FS” 将数据文件移动到文件列表/ cifar / 运行'python write_cifar_filelist.py' 训练 要在本文中训练特征提取器，请运行以下命令： 对于miniImageNet / C
【文件预览】：
PT-MAP-master
----.ipynb_checkpoints()
--------Readme-checkpoint.ipynb(72B)
----save_plk.py(3KB)
----requirements.txt(91B)
----data()
--------__init__.py(80B)
--------__pycache__()
--------dataset.py(3KB)
--------datamgr.py(3KB)
--------additional_transforms.py(850B)
----FSLTask.py(5KB)
----wrn_mixup_model.py(8KB)
----README.md(3KB)
----__pycache__()
--------configs.cpython-35.pyc(313B)
--------io_utils.cpython-35.pyc(3KB)
--------res_mixup_model.cpython-35.pyc(6KB)
--------sgc.cpython-35.pyc(4KB)
--------utils.cpython-35.pyc(2KB)
--------metrics.cpython-35.pyc(726B)
--------wrn_mixup_model.cpython-35.pyc(7KB)
--------backbone.cpython-35.pyc(18KB)
----res_mixup_model.py(7KB)
----io_utils.py(3KB)
----filelists()
--------cifar()
--------CUB()
--------miniImagenet()
----graph.png(23KB)
----configs.py(211B)
----test_standard.py(7KB)
----train_cifar.py(11KB)
----train.py(13KB)