文件名称：acc的matlab代码-residual_adapters:剩余适配器
文件大小：1.11MB
文件格式：ZIP
更新时间：2024-06-13 01:33:14
系统开源
acc的matlab代码带有残余适配器的深度神经网络的参数族[PyTorch + MatConvNet] 论文的骨干代码： NIPS 2017：“使用残余适配器学习多个视觉域”， CVPR 2018：“多域深度神经网络的有效参数化”， 有关多域分类的关联的Visual Domain十项全能挑战的页面： 抽象的 深度神经网络的实际限制是它们对单个任务和视觉领域的高度专业化。 为了克服这一局限性，我们在这些论文中建议考虑使用神经网络的通用参数族，该族仍然包含特定于问题的特定模型，但仅存在少量参数上的差异。 我们针对此类参数化研究了不同的设计，包括串联和并联残余适配器。 我们表明，为了最大化性能，有必要同时调整深度网络的浅层和深层，但是所需的更改非常小。 我们还表明，这些通用参数化对于迁移学习非常有效，它们优于传统的微调技术。 代码 要求 火炬 或带有MATLAB的MatConvNet 启动代码 首先使用download_data.sh /path/to/save/data/ 。 请将decathlon_mean_std.pickle复制到数据文件夹。 要从头训练数据集： CUDA_VISI
【文件预览】：
residual_adapters-master
----imdbfolder_coco.py(5KB)
----train_new_task_finetuning.py(6KB)
----LICENSE(11KB)
----download_data.sh(386B)
----models.py(6KB)
----README.md(4KB)
----sgd.py(2KB)
----utils_pytorch.py(5KB)
----labels_test.zip(1.55MB)
----matconvnet()
--------cnn_cifar.m(7KB)
--------cnn_resnet_preact_reduce_stride.m(4KB)
--------cnn_resnet_preact_new_conv1.m(4KB)
--------README.md(578B)
----decathlon_mean_std.pickle(2KB)
----config_task.py(125B)
----train_new_task_from_scratch.py(5KB)
----train_new_task_adapters.py(7KB)