.
├── dataset
│ ├── data // 数据集
│ ├── data_handler.py // 数据处理脚本
│ ├── test_without_label.txt // 测试集
│ └── train.txt // 训练集
├── model // 定义的各种模型
│ ├── bert_densenet_with_attention.py
│ ├── bert_densenet_with_concat.py
│ ├── bert_resnet_with_attention.py
│ └── bert_resnet_with_concat.py
├── output
│ └── test_with_predict.txt // 最终的预测输出文件
├── README.md
├── REPORT.md
├── REPORT.pdf // 项目报告
├── kaggle.ipynb // 在kaggle平台上的运行结果
├── main.py // 单个模型训练文件
├── run_all.py // 所有模型的训练脚本
└── train.py // 训练过程- 实验报告见
REPORT.md/REPORT.pdf - 结果文件见
output/test_with_predict.txt及kaggle.ipynb
通过requirements.txt安装对应包:
pip install -r requirements.txt由于本地设备原因，报告中的结果展示均在kaggle平台上提供的jupyter环境（使用GPU P100）中训练，所有的结果均可在kaggle.ipynb中查看
当然在本地同样也可以复现（需要注意batchsize的大小，默认为16，如果使用GPU训练，需要显存至少为8G，否则需要调小batchsize，这会对结果造成影响）：
- 一次运行所有模型(默认batch_size为16，learning_rate为1e-5)，复现实验过程：
python run_all.py- 也可以运行某一个模型：
python main.py各参数说明如下
options:
-h, --help show this help message and exit
--batch_size BATCH_SIZE
batch size, defaul=16
--max_epochs MAX_EPOCHS
max number of epochs, default=10
--model MODEL 0 - Bert Resnet with concat
1 - Bert Resnet with attention
2 - Bert Densenet with concat
3 - Bert Densenet with attention
default=0
--ablate ABLATE 0 - Both txt and img
1 - Img only
2 - Txt only
default=0
--learning_rate LEARNING_RATE
learning rate, default=1e-5示例：
- 运行Bert Resnet with attention 模型：
python main.py --model 1- 运行Resnet only模型：
python main.py --ablate 1- 运行Densenet only模型：
python main.py --model 2 --ablate 1- 运行Bert only模型：
python main.py --ablate 2