文件名称：research-xbm:XBM
文件大小：1.37MB
文件格式：ZIP
更新时间：2024-04-21 00:25:22
Python
跨批次嵌入式学习记忆（XBM） 的CVPR 2020论文代码（被接受为口服） XBM：DML的新SOTA方法 重大改进：XBM可以在三个大型数据集上将R @ 1提高12％到25％ 内存高效：大型数据集的内存不足1GB 优雅的算法：仅需几行就可以实现 安装 pip install -r requirements.txt python setup.py develop build 培训与评估 CUDA_VISIBLE_DEVICES=0 python3 tools/train_net.py --cfg configs/sample_config.yaml 接触 如有任何疑问，请随时与我们联系 github@malongtech.com 引文 If you use this method or this code in your research, please cite as:
【文件预览】：
research-xbm-master
----ret_benchmark()
--------solver()
--------utils()
--------modeling()
--------__init__.py(0B)
--------config()
--------losses()
--------data()
--------engine()
----.flake8(198B)
----.gitignore(267B)
----README.md(2KB)
----configs()
--------sample_config.yaml(801B)
----LICENSE(15KB)
----misc()
--------cvpr-mem-overview.png(1.45MB)
----requirements.txt(68B)
----tools()
--------extract_feat.py(3KB)
--------train_net.py(2KB)
----setup.py(584B)
----ThirdPartyNotices.txt(3KB)
----.python-version(7B)
----.pylintrc(16KB)