VIT_ZSL
1.VIT_ZSL 코드 분석 1부 데이터로더
코드 있는 곳데이터 셋 선택데이터 위치AWA2 만 데이터 다른 형식임Matlab 형식과 파이썬 형식이 달라서 -1를 해서 순서를 맞춰줌 Labels : 레이블이 따로 되어 있어서 label에 가져와야 됨Matlap 한번 확인하기
2.VIT_ZSL 코드 분석 2부 세팅
\_\_init\_\_: 설명\_\_getitem\_\_ : 설명 \_\_len\_\_ : 설명 if \_\_변수\_\_ is not None : 설명transforms.Normalize((0.485, 0.456, 0.406) 데이터 마다 구하는 코드 있음 Co
3.VIT_ZSL 코드 분석 3부 Train function 및 get, compute
def train(model, data_loader, train_attrbs, optimizer, use_cuda, lamb_1=1.0)train_attrbs: 특성값 넣는 곳인데 나중에 이부분 다시 확인 굉장히 햇갈리는 곳이다.loss_meter = AverageMe
4.VIT_ZSL 코드 분석 4부 validation and test
validation Representation with: 열고 닫기 할때, 닫기 자동으로 필요 할떄 씀 get_repres : 정리 완료 labels >
5.VIT_ZSL 코드 분석 5부 Data Loaders
train data loader weights_ = 1. / countstrainlabels 한번 결과값 확인해보기 어떻게 나오는지 [ ] 체크 [ ] weights = weights[trainlabels_based0] 간단히 파이썬으로 체크 하면 이해가 빠르다.
6.VIT_ZSL 코드 분석 6부 Baseline model(VIT)
def \_\_init\_\_(self, model_name="vit_large_patch16_224_in21k", pretrained=True): 에서 pretraine=True 를 이용해 프리트레인을 해서 weight를 가져온다."vit_large_patch16_
7.VIT_ZSL 코드 분석 7부 model and Optimizer Initialization
Model and Optimizer Initialization
8.VIT_ZSL 코드분석 8부 Training and Testing the model
논문에서 다른 참조 논문에 따르면 gamma를 이용하면 더 잘 된다고 하여 이 논문이 참고하였따.validataion 에서 return을 gamma로 받는다.그래서 gammas.append 로 gamma를 list로 받은후 np.mean을 통해서 gammas의 값들은
9.VIT_ZSL 논문리딩 1
논문링크