noisystudent:嘈杂的学生培训守则。 https-源码

嘈杂的学生培训 概述 是一种半监督学习方法，在ImageNet（SOTA）上可达到88.4％的top-1准确性，并且在健壮性和对抗性基准方面获得令人惊讶的收益。嘈杂的学生培训基于自我培训框架，并通过以下四个简单步骤进行了培训： 在标签数据上训练分类器（教师）。 推断更大的未标记数据集上的标签。 在合并的集合上训练更大的分类器，增加噪音（嘈杂的学生）。 转到第2步，以学生为老师 有关由Noisy Student Training培训过的ImageNet检查点，请参阅 。 SVHN实验 在这里，我们展示了对SVHN进行噪声学生培训的一种实施方式，该实施将受监督模型的性能从97.9％准确性提高到98.6％准确性。 # Download and preprocess SVHN. Download the teacher model trained on labeled data with ac