训练/测试LibFewShot中已集成的方法

本节相关代码：

config/dn4.yaml
run_trainer.py
run_test.py

本部分以DN4方法为例，介绍如何训练和测试一个已经实现好的方法。

配置文件

从编写.yaml配置文件中我们介绍了如何编写配置文件。并且我们将一部分的常用配置集合成了一个文件，因此可以简单地完成DN4配置文件的编写。

includes:
	- headers/data.yaml
	- headers/device.yaml
	- headers/misc.yaml
	- headers/optimizer.yaml
	- backbones/resnet12.yaml
	- classifiers/DN4.yaml

如果有自定义需要，也可以修改对应的includes下的导入文件中的内容。也可以删除对应的includes下的导入文件，自行添加对应的值。

训练

将上一步编写的配置文件命名为dn4.yaml，放到config/目录下。

修改根目录下的run_trainer.py文件。

config = Config("./config/dn4.yaml").get_config_dict()

接着，在shell中输入

python run_trainer.py

即可开启训练过程。

测试

修改根目录下的run_test.py文件。

import os
from core.config import Config
from core.test import Test

PATH = "./results/DN4-miniImageNet-resnet12-5-5"
VAR_DICT = {
    "test_epoch": 5,
    "device_ids": "4",
    "n_gpu": 1,
    "test_episode": 600,
    "episode_size": 1,
}

def main(rank, config):
    test = Test(rank, config, PATH)
    test.test_loop()


if __name__ == "__main__":
    config = Config(os.path.join(PATH, "config.yaml"), VAR_DICT).get_config_dict()

    if config["n_gpu"] > 1:
        os.environ["CUDA_VISIBLE_DEVICES"] = config["device_ids"]
        torch.multiprocessing.spawn(main, nprocs=config["n_gpu"], args=(config,))
    else:
        main(0, config)

在shell中运行

python run_test.py

即可开始测试过程。

当然，上述run_test.py中的VAR_DICT变量中的值都可以去掉，然后通过在shell中运行

python run_test.py --test_epoch 5 --device_ids 4 --n_gpu 1 --test_episode 600 --episode_size 1

来达到同样的效果。