Semi-supervised-learning

项目介绍：半监督学习项目

简介

USB 是一个基于 Pytorch 的半监督学习（SSL）Python 软件包。它旨在为计算机视觉（CV）、自然语言处理（NLP）和音频分类领域的开发者提供统一的半监督学习基准。该项目提供了14种基于一致性正则化的SSL算法实现，并涵盖了15个不同领域的评估任务。

如何开始

环境准备

要使用 USB，需确保安装了 Pytorch、torchvision、torchaudio 和 transformers 等相关库。可以通过如下命令创建一个 conda 环境：

conda create --name usb python=3.8

然后使用 pip 安装所需的软件包：

pip install -r requirements.txt

安装完成后，可以使用以下命令开始使用 USB 包：

python train.py --c config/usb_cv/fixmatch/fixmatch_cifar100_200_0.yaml

安装 USB 软件包

对于希望快速在自己数据上训练/测试支持的 SSL 算法的用户，可以安装 USB 的 Python 包 semilearn：

pip install semilearn

使用说明

快速开始

初学者可以参考以下步骤快速熟悉 USB 的使用：

1. 入门实例。
2. 自定义数据集。

使用 Docker

1. 确认已正确安装 Docker 和 Nvidia 驱动，并配置好 nvidia-docker2。
2. 克隆项目：

   git clone https://github.com/microsoft/Semi-supervised-learning.git

3. 构建 Docker 映像：

   cd Semi-supervised-learning && docker build -t semilearn .

训练与评估

通过以下命令可以在 CIFAR-100 数据集上使用 200 个标签训练 FixMatch 算法：

python train.py --c config/usb_cv/fixmatch/fixmatch_cifar100_200_0.yaml

在训练结束后，可以通过以下命令查看评估性能：

python eval.py --dataset cifar100 --num_classes 100 --load_path /PATH/TO/CHECKPOINT

贡献与社区

USB 项目欢迎来自世界各地的贡献者。协作者需要签署贡献者许可协议（CLA）以授予使用贡献内容的权利。

若有改进建议，欢迎 Fork 项目并创建 Pull Request，或直接在项目中标记为“enhancement”的问题中反馈。感谢您的支持！

许可

该项目依据 MIT 许可发布。请参阅文件 LICENSE.txt 以获取更多信息。

联系方式

USB 社区由以下人员维护：

• Yidong Wang (yidongwang37@gmail.com), Tokyo Institute of Technology
• Hao Chen (haoc3@andrew.cmu.edu), Carnegie Mellon University
• Yue Fan (yfan@mpi-inf.mpg.de), Max Planck Institute for Informatics
• Wenxin Hou (wenxinhou@microsoft.com), Microsoft STCA
• Ran Tao (rant@andrew.cmu.edu), Carnegie Mellon University
• Jindong Wang (jindwang@microsoft.com), Microsoft Research Asia

致谢

我们感谢以下项目在创建 USB 时提供的参考：

• TorchSSL
• FixMatch
• CoMatch
• SimMatch
• HuggingFace
• Pytorch Lighting
• Best-README-Template

这就是半监督学习项目的介绍，希望有助于理解和应用项目内容！