请教两个问题

[koko6677]

您好! 感谢您开源您杰出的工作！我最近也想在meta-dataset上进行一些实验，在使用您的代码过程中，我有两个小问题，想请教一下。问题一：在您的代码中，train_net.py好像是在训练一个普通的带全连接层的softmax分类器，在脚本文件中的train_resnet18_sdl.sh中执行训练时，训练过程中似乎没有epoch的概念，例如在ImageNet上一共迭代480000次，请问训练时，这480000次迭代的batch是如何确定的呢？是否是对训练集完整采样的产生的batch，每隔多少次迭代就把训练集遍历了一遍呢？还是说每次参与迭代的样本都是在训练集中随机采样产生呢？那么这样的话，如何避免可能存在的相邻几次迭代的重复采样的问题呢？问题二：在您发布的代码中似乎没有包含meta-train的过程，假如我想使用您的代码进行meta-train，该如何进行呢？ 期待您的回复！

[WeiHongLee]

你好，

感谢您的关注！

代码中我们使用了与SUR论文相同的超参来训练，采样函数我们使用的是meta-dataset提供的代码。可以看一下对应的论文以及代码。

我们的代码提供了不同的meta-train以及meta-test的过程。我猜问题二是关于我们的TSA论文？我们在这里有简要的解释。TSA的meta-training阶段，对于single-domain setting (meta-train on ImageNet only) 我们使用在ImageNet上训练的SDL模型，对于multi-domain setting， 我们使用URL模型，也可以使用vanilla MDL模型。

希望以上信息有帮助！

[koko6677]

你好，

感谢您的关注！

代码中我们使用了与SUR论文相同的超参来训练，采样函数我们使用的是meta-dataset提供的代码。可以看一下对应的论文以及代码。

我们的代码提供了不同的meta-train以及meta-test的过程。我猜问题二是关于我们的TSA论文？我们在这里有简要的解释。TSA的meta-training阶段，对于single-domain setting (meta-train on ImageNet only) 我们使用在ImageNet上训练的SDL模型，对于multi-domain setting， 我们使用URL模型，也可以使用vanilla MDL模型。

希望以上信息有帮助！

您好，感谢您的回复！对于问题二，可能是我没有表述清楚，所以还是有一些疑惑。我仔细看了下您的代码及对应的脚本，三个训练文件train_net.py、train_net_mdl.py、train_net_url.py里的train_loader都是batch的形式，似乎都是在进行non-episode的训练。假如我想进行episode式的meta-train，例如对protonet进行episode式的meta-train过程，您所发布发的代码是否没有这一部分呢？

[WeiHongLee]

你好，我们大部分实验meta-train都是以batch的形式进行，论文中的一些分析实验用使用到了episodic training的方式。如果你希望在meta-dataset上，在meta-train阶段使用episodic training的方式(PyTorch)，可以参考CNAPS以及Simple CNAPS。

希望这些信息有帮助！

[koko6677]

你好，我们大部分实验meta-train都是以batch的形式进行，论文中的一些分析实验用使用到了episodic training的方式。如果你希望在meta-dataset上，在meta-train阶段使用episodic training的方式(PyTorch)，可以参考CNAPS以及Simple CNAPS。

希望这些信息有帮助！ 好的！感谢您耐心而又详细的回复！