深度度量学习再探：PyTorch实现教程

深度度量学习再探：PyTorch实现教程

Revisiting_Deep_Metric_Learning_PyTorch (ICML 2020) This repo contains code for our paper "Revisiting Training Strategies and Generalization Performance in Deep Metric Learning" (https://arxiv.org/abs/2002.08473) to facilitate consistent research in the field of Deep Metric Learning. 项目地址: https://gitcode.com/gh_mirrors/re/Revisiting_Deep_Metric_Learning_PyTorch

项目介绍

本项目基于GitHub仓库 Revisiting_Deep_Metric_Learning_PyTorch，该仓库提供了ICML 2020论文《重访深度度量学习中的训练策略与泛化性能》的代码实现。作者Karsten Roth等通过此代码库旨在提供一个统一且易于扩展的研究平台，以促进深度度量学习领域的研究。它实现了关键基准，并在一致的设置下记录了大量指标，帮助研究人员确保方法改进并非源自实现差异。

项目采用MIT许可证发布，并详细记录了多种训练和测试指标至Weights & Biases（W&B）平台，便于大规模评估。此外，它支持快速原型设计，并鼓励模块化重用。

项目快速启动

要开始使用这个项目，首先确保您的环境满足以下要求：

1. 环境准备:
   • PyTorch 1.2.0及以上版本
   • Faiss-GPU
   • Python 3.6+
   • 其他依赖如matplotlib, scipy, torchvision, pretrainedmodels等

安装指南示例（Linux）：

wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh # 同意添加到PATH
source ~/.bashrc
conda create -n DML python=3.6
conda activate DML
conda install matplotlib scipy scikit-learn scikit-image tqdm pandas pillow
conda install pytorch torchvision faiss-cpu cudatoolkit=10.0 -c pytorch
pip install wandb pretrainedmodels

启动基本训练示例：

python main.py --loss margin --batch_mining distance --log_online \
               --project DML_Project --group Margin_with_Distance --seed 0 \
               --gpu 0 --bs 112 --data_sampler class_random --samples_per_class 2 \
               --arch resnet50_frozen_normalize --source $DATAPATH --n_epochs 150 \
               --lr 0.00001 --embed_dim 128 --evaluate_on_gpu

请注意将$DATAPATH替换为数据集的实际路径。

应用案例和最佳实践

数据集准备

本项目支持CUB200-2011, CARS196, 和 Stanford Online Products等数据集。数据集需按特定结构组织，并可从原站点或Dropbox直接下载。

调整参数以适应任务

推荐实践包括通过调整损失函数(--loss)、批量挖掘策略(--batch_mining)、网络架构(--arch)以及冻结批归一化层等选项来优化模型对于特定应用场景的适应性。

典型生态项目

本项目虽然专注于深度度量学习的基础研究，但与其他相关生态系统紧密相连，比如可以参考pytorch-metric-learning，这是一个插件式的DML方法实现库，与之结合可以丰富您的实验和应用。

结语

通过上述步骤，您能够快速搭建并开始探索深度度量学习领域，利用本项目提供的框架进行定制化研究和应用开发。记得在使用过程中遵循开源协议，并在学术工作中正确引用原始工作。祝您的深度学习之旅顺利！

Revisiting_Deep_Metric_Learning_PyTorch (ICML 2020) This repo contains code for our paper "Revisiting Training Strategies and Generalization Performance in Deep Metric Learning" (https://arxiv.org/abs/2002.08473) to facilitate consistent research in the field of Deep Metric Learning. 项目地址: https://gitcode.com/gh_mirrors/re/Revisiting_Deep_Metric_Learning_PyTorch