深度学习论文复现【Ubuntu22.04】

论文介绍

论文题目:ShapeFormer: Shapelet Transformer for Multivariate Time Series Classification

论文PDF:https://arxiv.org/pdf/2405.14608

论文代码:https://github.com/xuanmay2701/shapeformer

论文内容:多元时间序列分类

环境配置准备工作

前几天使用Windows复现论文,遇到了一些困难,并且也记录了过程,可以参看:Windows复现论文,但是没成功。接下来使用Linux来复现一下。

  1. 安装驱动
    参考链接:显卡驱动安装
  2. 安装Anaconda和Pycharm
    参考链接:安装anaconda和pycharm
  3. 安装Anaconda+Pycharm
    参考链接:安装cuda+cudnn

根据论文创建虚拟环境

  1. 创建虚拟环境

    每一个项目用到的包可能版本都不同,anaconda为我们提供了虚拟环境的功能。使用以下命令创建虚拟环境:

    bash 复制代码
    conda create -n ShapeFormer python=3.8 -y
  2. 激活虚拟环境

    bash 复制代码
    conda activate ShapeFormer
  3. 安装requirements.txt 中的包:

    bash 复制代码
    pip install -r requirements.txt

    说需要pip版本小于24.1,查看pip版本:(24.2)

    降低pip版本:

    bash 复制代码
    python -m pip install pip==24.0

    重新安装requirements.txt 中的包:

    bash 复制代码
    pip install -r requirements.txt

    直接成功(Windows折腾了好久都没成功):

Pycharm运行代码

  1. 用Pycharm打开项目代码:

  2. 配置虚拟环境解释器

  3. 运行main.py文件

    因为都有默认参数,所以先不管性能好坏,运行起来最重要:

  4. 解决报错

    发现是sktime包的问题,之前在Windows上也是这个包事多(没有Windows版本的,需要自己编译源代码)。

    先查看sktime版本和论文提供代码的是否一致:

    powershell 复制代码
    conda list

    安装的0.4.3是和论文的一样:

    大概率就是sktime版本更新后,这个函数没了(可能函数名换了,或者路径换了),发现论文代码上面有三个不同路径导入这个函数,我试了下第一个可以导入这个函数:

  5. 再次运行main.py

    没有这个包,安装一下(requirements.txt居然没提供),在这个虚拟环境下安装:

    powershell 复制代码
    pip install seaborn
  6. 结果展示

总结

这篇论文代码基本可以运行,我更改参数后也有一点问题,这就需要阅读代码了,后面我会出一期代码阅读的文章。

还有就是尽量使用Linux来复现论文,Windows太麻烦了。

相关推荐
Slow菜鸟3 分钟前
Codex CLI 教程(五)| AI 驱动项目从零到一:面向 Java 全栈工程师打造个人 ECC(V2版)
java·开发语言·人工智能
一碗白开水一8 分钟前
【论文解读】VMamba: Visual State Space Model
人工智能·计算机视觉
网安情报局12 分钟前
如何选择合适的AI大模型:快快云安全AI大模型聚合平台全解析
人工智能·网络安全·ai大模型
动物园猫18 分钟前
工业织物缺陷目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
深度学习·yolo·目标检测
yongyoudayee23 分钟前
业务语义模型:AI CRM从“能用”到“好用”的技术分水岭
大数据·人工智能
我的世界洛天依27 分钟前
官宣|VFrame 企划正式成立:九州合唱团登场,九州网络用 RVC 重构跨 IP 虚拟歌手音乐生态
人工智能·电脑
木雷坞27 分钟前
视觉算法环境 Docker 镜像拉取失败排查
运维·人工智能·docker·容器
ACCELERATOR_LLC29 分钟前
【DataWhale组队学习】DIY-LLM Task6 评估与基准测试
人工智能·深度学习·大模型·模型评估
我就是妖怪32 分钟前
Kimi K2.6 新手快速上手与实战指南
大数据·人工智能
Elcker32 分钟前
企业级RAG应用构建手册
人工智能·rag