持续学习:PyTorch实施各种持续学习方法(XdG,EWC,在线EWC,SI,LwF,GR,GR +蒸馏,RtF,ER,A-GEM,iCaRL)-源码

上传者: 42099858 | 上传时间: 2021-10-11 10:46:00 | 文件大小: 68KB | 文件类型: -
持续学习 这是以下论文中描述的持续学习实验的PyTorch实现: 三种持续学习的方案() 具有反馈连接的生成性重放是持续学习的通用策略() 要求 当前版本的代码已经过测试: pytorch 1.1.0 torchvision 0.2.2 运行实验 可以使用main.py运行单个实验。 主要选项有: --experiment :哪个任务协议? ( splitMNIST | permMNIST ) --scenario :根据哪种情况? ( task | domain | class ) --tasks :多少个任务? 要运行特定方法,请使用以下命令: 上下文相关门(XdG):

文件下载

评论信息

  • allenfffff99999 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-20
  • qq_41933740 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-18
  • qq_39889127 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-10
  • weixin_39108211 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-10

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明