HyperSIGMA 开源项目使用教程

最新推荐文章于 2025-04-17 12:00:37 发布

朱焰菲Wesley

最新推荐文章于 2025-04-17 12:00:37 发布

阅读量303

点赞数 5

本文链接：https://blog.csdn.net/gitblog_00455/article/details/147301008

版权

HyperSIGMA 开源项目使用教程

HyperSIGMA The official repo for the paper "HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model" 项目地址: https://gitcode.com/gh_mirrors/hy/HyperSIGMA

1. 项目介绍

HyperSIGMA 是一个针对高光谱图像（HSI）解释设计的十亿级基础模型。为了解决高光谱图像中的光谱和空间冗余问题，该项目引入了一种新颖的稀疏采样注意力（SSA）机制，该机制有效地促进了多样上下文特征的学习，并作为 HyperSIGMA 的基础构建块。HyperSIGMA 通过一个特别设计的光谱增强模块来整合空间和光谱特征。

2. 项目快速启动

以下是一个快速启动 HyperSIGMA 的示例，我们将展示如何进行模型的预训练。

首先，确保你已经安装了必要的依赖项，具体可以参考项目官方文档。

然后，你可以使用以下命令来启动一个大型版本的空间 ViT 的预训练：

srun -J spatmae -p xahdnormal --gres=dcu:4 --ntasks=64 --ntasks-per-node=4 --cpus-per-task=8 --kill-on-bad-exit=1 \
python main_pretrain_Spat.py \
--model 'spat_mae_l' --norm_pix_loss \
--data_path [预训练数据路径] \
--output_dir [模型保存路径] \
--log_dir [日志保存路径] \
--blr 1.5e-4 --batch_size 32 --gpu_num 64 --port 60001

对于巨大版本的谱 ViT 的预训练，可以使用以下命令：

srun -J specmae -p xahdnormal --gres=dcu:4 --ntasks=128 --ntasks-per-node=4 --cpus-per-task=8 --kill-on-bad-exit=1 \
python main_pretrain_Spec.py \
--model 'spec_mae_h' --norm_pix_loss \
--data_path [预训练数据路径] \
--output_dir [模型保存路径] \
--log_dir [日志保存路径] \
--blr 1.5e-4 --batch_size 16 --gpu_num 128 --port 60004  --epochs 1600 --mask_ratio 0.75 \
--use_ckpt 'True'

请将 [预训练数据路径]、[模型保存路径] 和 [日志保存路径] 替换为实际路径。