基础部分

运行bi-loss方法的训练，xxx为模型（cnn，snn，mnn）

python xxx_reverse.py 

运行bi-model方法的训练，xxx为模型（cnn，snn，mnn）

python xxx_bimodel.py 

运行数据集后门调整方法的训练，xxx为模型（cnn，snn，mnn）

python xxx_backdoor.py 

请注意，在运行mnn方法前，请先训练对应的cnn模型

提高部分

运行提高部分的方法，xxx为方法名（dro，dann，irm，cnc）

python xxx.py 

Reference

CNC: Correct-N-Contrast: A Contrastive Approach for Improving Robustness to Spurious Correlations

DANN: Domain-Adversarial Training of Neural Networks

IRM: Invarient Risk Minimization

DRO: Distributionally Robust Neural Networks for Group Shifts: On the Importance of Regularization for Worst-Case Generalization