文件名称：dfw:Deep Frank-Wolfe算法的实现-Pytorch
文件大小：80KB
文件格式：ZIP
更新时间：2024-05-27 00:20:27
deep-learning optimization pytorch Python
Deep Frank-Wolfe用于神经网络优化 该存储库包含pytorch中的论文的实现》。 如果您将这项工作用于研究，请引用以下文章： @Article{berrada2019deep, author = {Berrada, Leonard and Zisserman, Andrew and Kumar, M Pawan}, title = {Deep Frank-Wolfe For Neural Network Optimization}, journal = {International Conference on Learning Representations}, year = {2019}, } 注意：您可能对我们的后续算法感兴趣，该算法具有明显的收敛保证，并且在我们的实验中优于DFW。 要求 此代码适用于
【文件预览】：
dfw-master
----setup.py(599B)
----.gitignore(1KB)
----requirements.txt(52B)
----experiments()
--------data()
--------InferSent()
--------models()
--------reproduce()
--------losses()
--------cuda.py(494B)
--------cli.py(7KB)
--------optim()
--------utils.py(4KB)
--------scripts()
--------main.py(1KB)
--------epoch.py(3KB)
----LICENSE(1KB)
----plot_cifar.png(56KB)
----.gitmodules(111B)
----dfw()
--------__init__.py(21B)
--------dfw.py(4KB)
--------losses()
--------baselines()
----README.md(5KB)