pytorch dataloader_FSL工具 | Torchmeta：PyTorch的元学习和小样本学习库

Torchmeta 是 PyTorch 中用于小样本（few-shot）学习和元学习（meta-learning）的扩展和数据加载器的工具。

Torchmeta 包含了主流的元学习基准，与 Torchvision和 PyTorch的DataLoader完全兼容。

【特性】

• - Torchmeta 通过少量的分类和回归为大多数标准基准提供了 DataLoader，并提供了新的元数据集。
• - 数据加载器与 PyTorch 的标准数据组件完全兼容，例如 Dataset 和 DataLoader。 Torchmeta 为所有可用的基准提供了相同的界面，从而使不同数据集之间的转换尽可能无缝。
• - Torchmeta 还对 PyTorch 进行了一些扩展，以简化与元学习算法兼容的模型的开发，其中一些需要更高阶的区分。
• - 可用的基准有助于为开发新的元学习算法提供参考。
• - Torchmeta 提供了一个框架，研究人员可以围绕该框架构建自己的元学习算法，而不是使数据管道适应其方法。
• - Torchmeta 通过将元数据集与算法本身解耦来促进代码重用，从而提供了这一抽象层。

项目主页：https://tristandeleu.github.io/pytorch-meta/

Github：GitHub - tristandeleu/pytorch-meta: A collection o...

关键词：#PyTorch##工具推荐##元学习##Few-shot##小样本学习#

Datasets available

• Few-shot regression (toy problems):
  • Sine waves (Finn et al., 2017)
  • Harmonic functions (Lacoste et al., 2018)
  • Sinusoid & lines (Finn et al., 2018)
• Few-shot classification (image classification):
  • Omniglot (Lake et al., 2015, 2019)
  • Mini-ImageNet (Vinyals et al., 2016, Ravi et al., 2017)
  • Tiered-ImageNet (Ren et al., 2018)
  • CIFAR-FS (Bertinetto et al., 2018)
  • Fewshot-CIFAR100 (Oreshkin et al., 2018)
  • Caltech-UCSD Birds (Hilliard et al., 2019, Wah et al., 2019)
  • Double MNIST (Sun, 2019)
  • Triple MNIST (Sun, 2019)

• Few-shot segmentation (semantic segmentation):
  • Pascal5i 1-way Setup

版权声明

本内容经授权转载自 @CVer @Amusi ， @白小鱼 对内容有编辑。
原始标题 Torchmeta：PyTorch的元学习和小样本学习库