基于CADA—VAE实现AAAI2021将解耦用于GZSL的文章。
- 目前shuffle classification loss的权重因子设为5,学习率为0.01,然后训练解耦VAE。
- 训练好VAE后,再训练最终分类器,最高可达0.535
- 训练最终分类器时,GZSL上的精度变化:
- 开始时,大概前15个epoch,unseen acc和seen acc会一起提高,
- 随着训练的进行,unseen acc降低,seen acc提高。
- warm up阶段对损失权重因子的调整。这个比较难调整,先不调。
alpha, beta这些权重因子超参数,文章都没给出
- 辅助分类器,输出可见类数量还是所有类别数量,目前是输出所有类别数量
- 训练轮次
- VAE训练轮次,尝试了100,150,200,最后算到200
- GZSL分类器训练轮次,尝试了23、40、60,最后设为60,事实上到30左右时H值就差不多达到最高了
- 不同权重因子的变化策略。
- 尝试了1,5,10,目前shuffle classification的factor设置为10效果最好
- CADA中,测试集数据,reparameter=False,不知为何
- 其实能稳定到一个点即可,即能达到稳定状态。因为最后并不是用VAE做分类,而是要另外训练一个分类器。
另外,VAE中的重构损失项具有较大的损失。
- CADA-VAE训练100轮后,损失为13000左右,训练200轮,仍然在13000左右。