＜Transductive Propagation Network for Few-shot Learning＞官方代码笔记

使用pycharm进行调试

以readme.md中TPN mini-5way1shot为例

python train.py --gpu=0 --n_way=5 --n_shot=1 --n_test_way=5 --n_test_shot=1 --lr=0.001 --step_size=10000 --dataset=mini --exp_name=mini_TPN_5w1s_5tw1ts_rn300_k20 --rn=300 --alpha=0.99 --k=20

python test.py --gpu=0 --n_way=5 --n_shot=1 --n_test_way=5 --n_test_shot=1 --lr=0.001 --step_size=10000 --dataset=mini --exp_name=mini_TPN_5w1s_5tw1ts_rn300_k20 --rn=300 --alpha=0.99 --k=20 --iters=81500

将第一行python train.py之后的参数复制到pycharm中：

然后在train.py的代码左侧数字上点击之后就可以进行打断点，然后右键点击Debug 'train'即可开始调试：

数据

从readme.md中的连接下载数据，放在下图文件中

模型

①CNNEncoder

提取图片的特征，对应论文中的$f_{\phi }$

②RelationNetwork

为GNN提供边的权重，对应论文中的$g_{\varphi }$

Prototypical

原型网络

③LabelPropagation

论文中使用了$F^{\ast }=(I-\alpha S{)}^{-1}Y$得到最终的结果

④计算Loss和acc

使用Cross-Entropy Loss