文件名称：icebeem:ICE-BeeM纸的代码-NeurIPS 2020
文件大小：208KB
文件格式：ZIP
更新时间：2024-05-28 18:14:20
Python
ICE-BeeM：基于非线性ICA的可识别的基于条件能量的深度模型 这个软件库包含的代码运行，并在复制中的实验，在NeurIPS公布的2020年工作由Ilyes Khemakhem（盖茨比单位，UCL），里卡多·皮奥蒙蒂完成（盖茨比UCL部门）， Diederik P. Kingma （谷歌研究部）和AapoHyvärinen （赫尔辛基大学）。 依存关系 该项目已使用以下版本进行了测试： python 3.6和3.7 pytorch 1.4 张量流1.14 PyYAML 5.3.1 海上0.10 scikit学习0.22.2 scipy 1.4.1 运行模拟 我们将经过流对比估计（ ）训练的ICE-BeeM模型与非线性ICA方法（ 和 ）进行了比较。 我们首先比较了根据非线性ICA模型（我们将这种数据集所产生的非平稳数据这些方法TCL 。其次，由一个非固定IMCA模型（
【文件预览】：
icebeem-master
----.gitignore(2KB)
----README.md(14KB)
----metrics()
--------mcc.py(14KB)
--------__init__.py(49B)
----slurm_main.sbatch(528B)
----configs()
--------imca.yaml(313B)
--------cifar10.yaml(613B)
--------fashionmnist.yaml(632B)
--------mnist_baseline.yaml(600B)
--------fashionmnist_baseline.yaml(609B)
--------cifar10_baseline.yaml(619B)
--------cifar100.yaml(616B)
--------cifar100_baseline.yaml(630B)
--------mnist.yaml(617B)
----LICENSE(32KB)
----simulations.py(4KB)
----models()
--------icebeem_wrapper.py(4KB)
--------ebm.py(4KB)
--------tcl()
--------nets.py(9KB)
--------ivae()
--------nflib()
--------__init__.py(83B)
--------refinenet_dilated.py(16KB)
----main.py(18KB)
----slurm_main_cpu.sbatch(551B)
----losses()
--------fce.py(15KB)
--------dsm.py(2KB)
--------__init__.py(122B)
----runners()
--------utils.py(3KB)
--------real_data_runner.py(25KB)
--------__init__.py(51B)
--------simulation_runner.py(6KB)
----results.png(128KB)
----data()
--------imca.py(16KB)
--------utils.py(2KB)
--------__init__.py(100B)