学習・評価用のデータセットは以下からダウンロードしてください
CUB-200-2011:https://github.com/cyizhuo/CUB-200-2011-dataset
CUB-GHA:https://github.com/yaorong0921/CUB-GHA
ダウンロードしたCUB-GHAは以下の様にCUBGHA_rename.pyを用いてファイル名の変更してください．
また，CUB_GHAはCUB_200_2011の学習・評価データセットと同じディレクトリに配置してください.
#CUB_200_2011
$ls
CUB_GHA images.txt val images train split.py
$python CUBGHA_rename.py
imagenetでスクラッチ学習をする場合は以下のコマンドを使用してください
$ python3 -m torch.distributed.launch --nproc_per_node=4 --use_env main_pre.py --model deit_small_patch16_224_12 --mixup 0.8 --cutmix 1.0 --batch-size 128 --epochs 300 --num_workers 40 --data-path $PATH --output_dir $SAVE_PATH
--data-pathの$PATHにはデータセットのパスを入力してください．
--output_dirの$SAVE_PATHは学習後のcheckpointの保存先を入力してください．
デフォルトでは0 epochとBestと最新の3つのcheckpointを保存します．
Imagenet等で学習したモデルをCUB-200-2011の学習に使用します．
$ python3 -m torch.distributed.launch --nproc_per_node=4 --use_env main.py --model deit_small_patch16_224_12 --mixup 0.8 --cutmix 1.0 --batch-size 128 --epochs 100 --num_workers 40 --data-path $PATH --data-set CUB --finetune $SAVED_PATH --output_dir $SAVE_PATH
--finetuneの$SAVED_PATHには前段のcheckpointのパスを入力してください．
--output_dirのパスは前段とは別の名称に変更してください．
CUB-200-2011で学習したモデルへ人の知見を組み込みます．
コマンドを実行する前にdatasets.py 71行の以下のat_path[6]の部分がCUB-200-2011のtrainに対応するようにインデックスを変更してください．
/home/dataset/CUB_200_011/trainであればat_path[4]に変更してください
# datasets.py 71行
at_path[6] = self.hname #人の知見
$ python3 -m torch.distributed.launch --nproc_per_node=4 --use_env main_hft.py --model deit_small_patch16_224_12_hum_00 --mixup 0.0 --cutmix 0.0 --batch-size 128 --epochs 100 --num_workers 40 --data-path $PATH --data-set CUBATT --human --hname $HUM_NAME --finetune $SAVED_PATH --output_dir $SAVE_PATH
--finetuneの$SAVED_PATHには前段のCUB-200-2011で学習したモデルのcheckpointのパスを入力してください．
--hnameの#HUM_NAMEにはCUB-GHAのディレクトリ名を有力してください．
CUBGHA_rename.pyを使用した場合はGHAと入力してください．
python main_eval.py --eval --device cuda:1 --resume #SAVED_PATH --model deit_small_patch16_224_12 --data-path $PATH --data-set CUB
--finetuneの$SAVED_PATHには評価したモデルのcheckpointのパスを入力してください．
--data-pathの$PATHにはデータセットのパスを入力してください．