(源码)基于Jittor框架的开放域少样本视觉分类系统.zip

# 基于Jittor框架的开放域少样本视觉分类系统 ## 项目简介 本项目是针对第四届计图人工智能挑战赛开放域少样本视觉分类赛题A榜的解决方案，采用零样本与4-shot dog少样本学习方案，运用多种模型组合进行训练和预测。 ## 项目的主要特性和功能 - **模型组合**：使用clip-vit-b-32、clip-RN101和contnextv2-base模型，总参数约360m。 - **模型转换**：支持将pytorch模型进行转化。 - **少样本训练**：可进行4-shot训练，并将剩余数据作为验证集。 - **模型训练**：包含多个训练脚本，可针对不同模型进行训练。 - **预测功能**：通过特定脚本实现预测。 ## 安装使用步骤 假设用户已经下载了本项目的源码文件，可按以下步骤操作： 1. **模型转换**：运行`python conver.py`进行pytorch模型转化。 2. **数据处理与训练准备**：运行`python process.py`进行4-shot训练及剩余数据作为验证集。 3. **模型训练**：分别运行`python LP_vit.py`、`python LP_rn.py`和`python train_dog.py`进行训练。 4. **预测**：运行`python combine.py`进行预测。