Нужен файл fill_in_blank_1000_from_test_score.pkl для реализации NGNN. Может кто-нибудь помочь мне с этим или его альтернативой?

Question

В то время как мы реплицируем реализацию NGNN Dressing в целом pape r, я застрял на одном файле рассола, который фактически требуется для дальнейшего прогресса, т.е. fill_in_blank_1000_from_test_score.pkl .

Может ли кто-нибудь помочь, поделившись тем же, что и с его альтернативой?

Реализация Github не содержит то же самое! https://github.com/CRIPAC-DIG/NGNN

Answer 1

Вы не должны использовать main_score.py (для этого требуется рассол fill_in_blank_1000_from_test_score.pkl), он устарел - только авторы не упоминают об этом в README. Проблема была поднята в эта проблема . Короче говоря, используйте другое «основное»: main_multi_modal.py.

В одном из комментариев подробно объясняется, как поступить, я скопирую его здесь, чтобы он не потерялся:

1. Загрузите предварительно обработанный набор данных от авторов (один на Google Диске, около 7 ГБ)
2. Загрузите «обычный» набор данных, чтобы получить текст к изображениям (тот, который на Github - всего несколько МБ)
3. Измените все пути к папкам в файлах на соответствующие им
4. запустите "onehot_embedding.py", чтобы создать текстовые функции (Остальные обработка уже была сделана авторами)
5. запустите "main_multi_modal.py" для обучения. В конце файла вы можете настроить конфигурацию сети (Beta, d, T et c.), Поэтому файл «Config.py» здесь бесполезен.
6. Если вы хотите тренироваться В нескольких случаях в for-l oop вам необходимо сбросить график в начале обучения. Просто добавьте «tf.reset_default_graph ()» в начале функции «cm_ggnn ()». С этой настройкой я мог бы довольно хорошо воспроизвести результаты с той же точностью, что и в статье.