- dataset:手动下载数据集xx.zip后解压,利用build_xxx.py构造dataloader保存为pkl,训练时读取;
- weights:已知的APViT和IResnet的预训练权重
- save:各种配置训练结束时保存的模型
python build_ddcf.py
从DDCF文件夹构建对应的dataloader,python build_pkldata
从KEDF,build_rafd从RAFDB数据集
- 运行dataset_model_method.py,后加对应的超参parser
- 如数据集=kdef,模型=IResnet50,方法=$L_{viewFX}$结合$L_{交叉熵}$,batch_size=256,...
python kdef_ir50_comb.py --ratio 0.0 --batch_size 256 --gamma 0.5 --beta 0.001 --learning_rate 0.01 --weight_decay 5e-4 --temp 0.07 --cosine --dataset kdef --model IR_50 --method SupCon --special Contrast
- 如利用训练好的 APViT在DDCF数据集上测试,并保存losses,accus和混淆矩阵
python test2.py --model APViT --dataset ddcf --method SupCon --special Contrast
PS:双阶段训练,第二个阶段加载预训练模型时要在set_model函数中手动更改第一阶段训练好的模型路径,