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

类	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