【模型复现】孪生神经网络模型 Siamese-Networks 快速复现

Siamese-Networks

 模型

快速复现

01 模型详情

模型简介：

在本文中，我们探索了一种学习孪生神经网络的方法，该方法采用独特的结构对输入之间的相似性进行自然排序。 一旦网络经过调整，我们就可以利用强大的判别特征来将网络的预测能力推广到新数据，以及来自未知分布的全新类别。 使用卷积架构，我们能够获得超过其他深度学习模型的强大结果，在一次性分类任务上具有接近最先进的性能。

关键词：孪生神经网络学习、卷积架构

应用场景：文本分类、文本分类

结构：

论文地址：

https://www.cs.cmu.edu/~rsalakhu/papers/oneshot1.pdf

模型来源：

https://github.com/tensorfreitas/Siamese-Networks-for-One-Shot-Learning

02 平台环境准备

 1. 打开极链AI云平台

2. 点击模型

 3. 选择模型

在模型列表中选择 Siamese-Networks 模型

 4. 创建实例

显卡以RTX 2080 Ti为例，选择模型对应镜像

点击下一步，即可创建实例

5. 连接实例

创建完成后，点击jupyterlab连接

03 模型使用

1.模型使用

进入jupyterlab后，点击打开终端界面

2.模型训练

在终端，进入root/Siamese-Networks-for-One-Shot-Learning（默认）路径下，运行以下命令：

python train_siamese_network.py# 该训练文件包含训练和评估步骤。如有需要，可自行修改代码分布复现。

更多内容请左右滑动

训练过程需要约2小时，请耐心等待

以上就是 Siamese-Networks 复现的全部流程，该模型在极链AI云官网已上架，同时极链AI云还拥有其他热门模型，例如YOLO系列等，简单步骤即可实现复现。