小样本迁移论文复现：《A Closer Look at Few-shot Classification》

论文下载地址：https://arxiv.org/pdf/1904.04232.pdf
源码链接：https://github.com/wyharveychen/CloserLookFewShot

运行环境：Windows10
只复现源码默认的。即在CUB数据集上训练的baseline。
主要参数：

parser = argparse.ArgumentParser(description= 'few-shot script %s' %(script))
parser.add_argument('--dataset'     , default='CUB',        help='CUB/miniImagenet/cross/omniglot/cross_char')
parser.add_argument('--model'       , default='Conv4',      help='model: Conv{4|6} / ResNet{10|18|34|50|101}') # 50 and 101 are not used in the paper
parser.add_argument('--method'      , default='baseline',   help='baseline/baseline++/protonet/matchingnet/relationnet{_softmax}/maml{_approx}') #relationnet_softmax replace L2 norm with softmax to expedite training, maml_approx use first-order approximation in the gradient for efficiency
parser.add_argument('--train_n_way' , default=5, type=int,  help='class num to classify for training') #baseline and baseline++ would ignore this parameter
parser.add_argument('--test_n_way'  , default=5, type=int,  help='class num to classify for testing (validation) ') #baseline and baseline++ only use this parameter in finetuning
parser.add_argument('--n_shot'      , default=5, type=int,  help='number of labeled data in each class, same as n_support') #baseline and baseline++ only use this parameter in finetuning
parser.add_argument('--train_aug'   , action='store_true',  help='perform data augmentation or not during training ') #still required for save_features.py and test.py to find the model path correctly

parser.add_argument('--num_classes' , default=200, type=int, help='total number of classes in softmax, only used in baseline') #make it larger than the maximum label value in base class
parser.add_argument('--save_freq'   , default=50, type=int, help='Save frequency')
parser.add_argument('--start_epoch' , default=0, type=int,help ='Starting epoch')
parser.add_argument('--stop_epoch'  , default=-1, type=int, help ='Stopping epoch') #for meta-learning methods, each epoch contains 100 episodes. The default epoch number is dataset dependent. See train.py
parser.add_argument('--resume'      , action='store_true', help='continue from previous trained model with largest epoch')
parser.add_argument('--warmup'      , action='store_true', help='continue from baseline, neglected if resume is true') #never used in the paper

image_size = 224
optimization = 'Adam'

遇到的问题及解决办法：
1、CUB数据集
没有数据集，需要下载数据集。
源码给的下载链接：http://www.vision.caltech.edu/visipedia-data/CUB-200-2011/CUB_200_2011.tgz
需要访问外网，当时没有找资源，就花15块钱买了一个vpn，之后可以访问该网站了，但是，提示说访问人过多或者文件太大，不给下载。15块钱打水漂了。
然后找资源，
百度网盘下载链接：https://pan.baidu.com/s/1OL3s7XmzoaYmbBocYJjYyQ
提取码：7jeb
2、代码修改

"""把反斜杠改为斜杠"""
data_path = join(cwd,'CUB_200_2011\images')

"""读json文件出现的问题，加入斜杠转义字符，让原来的斜杠存在真实意义"""
with open(data_file, encoding='utf-8') as f:
    s = ""
    for i in f:
        s += i
    s = s.replace('\\', '\\\\')
    self.meta = json.loads(s)

"""
本地没有cuda，需要修改model.cuda(), 凡 **.cuda() 的都需要改成 **.to(device) 
当然修改方式多种多样，本人秉持能就行的态度，这个没太大必要深究
修改如下：
"""
device = ('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(device)

""" 
baselinetrain.py 中的 for i, (x, y) in enumerate(train_loader) 不能迭代
修改方法：把datamgr.py中的SimpleDataManager类中get_data_loader函数的data_loader_params参数的内核工作数改为0
即：num_workers = 0
"""

最后测试集结果(和论文结果有误差，可能是训练测试数据划分等原因造成)：