压实、采摘和种植 (CPG)
这是 CPG 的官方 Pytorch 实现——一种用于对象分类的终身学习算法。 有关CPG的详细信息，请参阅论文《 （ ， ）
该代码仅供学术研究使用。 如需商业用途，请联系教授( )。
基准测试
施引论文
如果这些代码有助于您的研究，请引用以下论文：
@inproceedings{hung2019compacting,
title={Compacting, Picking and Growing for Unforgetting Continual Learning},
author={Hung, Ching-Yi and Tu, Cheng-Hao and Wu, Cheng-En and Chen, Chien-Hung and Chan, Yi-Ming and Chen, Chu-Song},
booktitle={Advance
2025-11-11 16:45:53
10.03MB
1
持续学习基准
使用流行的持续学习算法评估三种类型的任务转移。
该存储库使用PyTorch实现并模块化了以下算法：
EWC： ，（克服神经网络中的灾难性遗忘）
在线EWC： ，
SI： ，（通过突触智能持续学习）
MAS： ，书面（“内存感知突触：学习（不）忘记的内容”）
创业板： ，（用于持续学习的梯度情景记忆）
（更多即将到来）
将以上所有算法与具有相同静态内存开销的以下基准进行比较：
天真彩排：
L2： ，
关键表：
如果此存储库对您的工作有所帮助，请引用：
@inproceedings{Hsu18_EvalCL,
title={Re-evaluating Continual Learning Scenarios: A Categorization and Case for Strong Baselines},
author={Yen-Chang Hsu a
2021-11-05 12:59:07
478KB
1