windows10环境下安装问题

[raderqi]

测试安装是否正确时，执行python run_trainer.py，出现报错

报错代码指向core/trainer.py 453行代码

但是yaml配置文件说明中并没有提到这两个参数

请问一下您，我该如何处理这个问题正确安装呢？换成linux系统可以解决这个问题吗？
请问一下您这两个参数的作用分别是什么？

[raderqi]

执行run_trainer.py文件下，print（config），输出如下内容

config = {'data_root': 'data/miniImageNet--ravi',
          'image_size': 84, 'use_memory': False,
          'augment': True, 'augment_times': 1,
          'augment_times_query': 1,
          'workers': 0,
          'dataloader_num': 1,
          'device_ids': 0,
          'n_gpu': 1,
          'seed': 2147483647,
          'deterministic': True,
          'port': 54025,
          'log_name': None,
          'log_level': 'info',
          'log_interval': 100,
          'log_paramerter': False,
          'result_root': './resultsDF20Res18',
          'save_interval': 10,
          'save_part': ['emb_func'],
          'tag': None,
          'epoch': 50,
          'test_epoch': 5,
          'parallel_part': ['emb_func'],
          'pretrain_path': None,
          'resume': False,
          'way_num': 5,
          'shot_num': 5,
          'query_num': 15,
          'test_way': 5,
          'test_shot': 5,
          'test_query': 15,
          'episode_size': 1,
          'train_episode': 100,
          'test_episode': 100,
          'batch_size': 128,
          'val_per_epoch': 1,
          'optimizer': {'name': 'Adam', 'kwargs': {'lr': 0.001}, 'other': None},
          'lr_scheduler': {'name': 'StepLR', 'kwargs': {'gamma': 0.5, 'step_size': 20}},
          'warmup': 0,
          'includes': ['headers/data.yaml',
                       'headers/device.yaml',
                        'headers/misc.yaml',
                       'headers/model.yaml',
                        'headers/optimizer.yaml',
                       'classifiers/ConvMNet.yaml',
                        'backbones/Conv64F.yaml'],
          'backbone': {'name': 'Conv64F', 'kwargs': {'is_flatten': False, 'is_feature': False, 'leaky_relu': True, 'negative_slope': 0.2, 'last_pool': False, 'maxpool_last2': False}},
          'classifier': {'name': 'ConvMNet','kwargs': {'n_local': 441}}, 'tb_scale': 1.0}

[raderqi]

发现其中并没有ssl_task参数，于是尝试人为指定该参数

出现报错内容如下图

发现缺少ssl_lbda参数，于是人为指定该参数

再次运行，仍旧报错，报错内容如下

出错的代码是这个地方

[raderqi]

尝试print(self.emb_func)，输出如下

Conv64F(                            trainer.py:406
                               (layer1): Sequential(                           
                                 (0): Conv2d(3, 64,                            
                             kernel_size=(3, 3), stride=(1, 1),                
                             padding=(1, 1))                                   
                                 (1): BatchNorm2d(64, eps=1e-05,               
                             momentum=0.1, affine=True,                        
                             track_running_stats=True)                         
                                 (2):                                          
                             LeakyReLU(negative_slope=0.2,                     
                             inplace=True)                                     
                                 (3): MaxPool2d(kernel_size=2,                 
                             stride=2, padding=0, dilation=1,                  
                             ceil_mode=False)                                  
                               )                                               
                               (layer2): Sequential(                           
                                 (0): Conv2d(64, 64,                           
                             kernel_size=(3, 3), stride=(1, 1),                
                             padding=(1, 1))                                   
                                 (1): BatchNorm2d(64, eps=1e-05,               
                             momentum=0.1, affine=True,                        
                             track_running_stats=True)                         
                                 (2):                                          
                             LeakyReLU(negative_slope=0.2,                     
                             inplace=True)                                     
                                 (3): MaxPool2d(kernel_size=2,                 
                             stride=2, padding=0, dilation=1,                  
                             ceil_mode=False)                                  
                               )                                               
                               (layer3): Sequential(                           
                                 (0): Conv2d(64, 64,                           
                             kernel_size=(3, 3), stride=(1, 1),                
                             padding=(1, 1))                                   
                                 (1): BatchNorm2d(64, eps=1e-05,               
                             momentum=0.1, affine=True,                        
                             track_running_stats=True)                         
                                 (2):                                          
                             LeakyReLU(negative_slope=0.2,                     
                             inplace=True)                                     
                               )                                               
                               (layer3_maxpool):                               
                             MaxPool2d(kernel_size=2, stride=2,                
                             padding=0, dilation=1,                            
                             ceil_mode=False)                                  
                               (layer4): Sequential(                           
                                 (0): Conv2d(64, 64,                           
                             kernel_size=(3, 3), stride=(1, 1),                
                             padding=(1, 1))                                   
                                 (1): BatchNorm2d(64, eps=1e-05,               
                             momentum=0.1, affine=True,                        
                             track_running_stats=True)                         
                                 (2):                                          
                             LeakyReLU(negative_slope=0.2,                     
                             inplace=True)                                     
                               )                                               
                               (layer4_pool):                                  
                             MaxPool2d(kernel_size=2, stride=2,                
                             padding=0, dilation=1,                            
                             ceil_mode=False)                                  
                             )           

确实没有avg_pool，采用的是MaxPool。请问一下您上述bug该如何解决呢？非常希望能够在您提出来的框架下研究few-shot问题

[VincenDen]

试一下换成“/reproduce/Proto/ProtoNet-miniImageNet-Conv64F-5-1-Table2.yaml“