文件名称：Siamese-Network-for-One-shot-Learning:训练神经网络的项目，仅举一个例子
文件大小：12.43MB
文件格式：ZIP
更新时间：2024-06-13 17:06:47
Python
使用基于内核的激活功能为一击学习改善暹罗网络（ ） 人类通过很少的示例学习新事物，例如，一个孩子可以从一张图片中概括“狗”的概念，但是机器学习系统需要大量示例来学习其功能。 特别是当受到刺激时，人们似乎能够快速理解新概念，然后在将来的感知中认识到这些概念的变体。 机器学习作为一个领域已经在各种任务（例如分类，Web搜索，图像和语音识别）上取得了巨大的成功。 但是，这些模型通常在低数据情况下效果不佳。 ' 这是一次射击学习背后的主要动机。 用较少的示例训练模型，但无需大量重新训练即可将其推广到不熟悉的类别。 引文 如果您发现我们的代码有用，请考虑使用bibtex引用我们的工作： @incollection{jadon2021improving, title={Improving Siamese Networks for One-Shot Learning Using Kerne
【文件预览】：
Siamese-Network-for-One-shot-Learning-master
----Results()
--------KAF2.pickle(847KB)
--------embeddings_plot.png(53KB)
--------train_loss_KAF_50.png(19KB)
--------KAF.pickle(832KB)
--------result_RELU_100.png(55KB)
--------result_KAF_10.png(58KB)
--------train_loss_KAF.png(22KB)
--------RELU_50.pickle(841KB)
--------result_KAF2.png(61KB)
--------train_loss.png(22KB)
--------train_loss_RELU_50.png(18KB)
--------result_KAF_50.png(52KB)
--------result_RELU_50.png(54KB)
--------train_loss_KAF2.png(22KB)
--------result_KAF.png(59KB)
--------result_KAF2_50.png(49KB)
--------KAF_50.pickle(847KB)
--------train_loss_KAF2_50.png(18KB)
--------KAF_10.pickle(844KB)
--------embeddings.pickle(843KB)
--------result_RELU.png(63KB)
--------train_loss_RELU.png(22KB)
--------KAF2_50.pickle(845KB)
--------train_loss_KAF_10.png(21KB)
--------train_loss_RELU_100.png(17KB)
--------RELU_100.pickle(841KB)
--------KAF2.txt(403B)
--------result.png(83KB)
----Model()
--------contrastive.pyc(1KB)
--------net.pyc(2KB)
--------train_mnist.py(7KB)
--------net.py(1KB)
--------weights()
--------intracluster_score.py(455B)
--------test_contrastive.py(3KB)
--------contrastive.py(629B)
--------Activation()
----README.md(3KB)
----Images()
--------embeddings_Combined.jpg(1.39MB)
--------result_KAF_10.png(68KB)
--------Training Loss for Images.jpg(788KB)
--------train_loss.png(21KB)
--------MNISTLoss.jpg(653KB)
--------Images_KAF2D.jpg(838KB)
--------train_loss_KAF_10.png(23KB)
--------KAF.png(105KB)
--------result.png(65KB)