Matching Networks for One Shot Learning代码思路解读

目录

1. 代码中所有Classes和类之间的调用关系

2. 代码思路解析

2.1 代码的入口

2.2 数据读取

2.2.1 读取train,evaluation和test图片至变量data中。

2.2.2 设计one shot learning的学习过程

2.2.3 真实数据的one shot learning过程

3. 代码思路的图形表示


1. 代码中所有Classes和类之间的调用关系

如下:

表1 代码中所有class和调用关系
调用类 再调用类 所在文件
Class MiniImageNetDataSet - - data.py
Class Classifier  Class MetaConvolution Class MetaNetwork meta_matching_network.py
Class TaskContextEncoder Class TaskTransformer -
Class DistanceNetwork - -
Class Extractor - -
Class AttentionClassify - -

 

2. 代码思路解析

2.1 代码的入口

train_meta_matching_network.py

在data.py中设置图片路径和csv路径:

resizetargetpath
csv_file_dir

2.2 数据读取

2.2.1 读取train,evaluation和test图片至变量data中。

data = dataset.MiniImageNetDataSet(batch_size=batch_size, classes_per_set=classes_per_set, samples_per_class=samples_per_class, shuffle_classes=True)
data.datasets["train"] size:[64,600,84,84,3] # 共64类,每个类600张图片,共38400张图片。[84,84,3]是图片的长宽和3个channels
data.datasets["eval"]  size:[16,600,84,84,3]  # 共16类,每个类600张图片,共9600张图片
data.datasets["test"]  size:[20,600,84,84,3] # 共20类,每个类600张图片,共12000张图片

2.2.2 设计one shot learning的学习过程

experiment = Experim
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值