文件名称：deep-active-learning:深度主动学习
文件大小：16KB
文件格式：ZIP
更新时间：2024-05-19 08:39:33
Python
深度主动学习 以下主动学习算法的Python实现： 随机抽样 最不信任[1] 保证金抽样[1] 熵采样[1] 具有辍学估计的不确定性采样[2] 贝叶斯主动学习分歧[2] K均值采样[3] K中心贪婪[3] 核心套装[3] 对抗-基本的迭代方法 对抗性-DeepFool [4] 先决条件 numpy的1.14.3 scipy 1.1.0 火炬0.4.0 火炬视觉0.2.1 scikit学习0.19.1 ipdb 0.11 用法 $ python run.py 参考 [1]一种新的深度学习主动标记方法，IJCNN，2014年 [2]使用图像数据进行深度贝叶斯主动学习，ICML，2017年 [3]卷积神经网络的主动学习：核心集方法，ICLR，2018年 [4]深度网络的对抗式主动学习：基于边际的方法，arXiv，2018年
【文件预览】：
deep-active-learning-master
----model.py(2KB)
----run.py(5KB)
----dataset.py(3KB)
----README.md(928B)
----.gitignore(6B)
----query_strategies()
--------margin_sampling.py(505B)
--------random_sampling.py(294B)
--------entropy_sampling.py(486B)
--------entropy_sampling_dropout.py(555B)
--------strategy.py(4KB)
--------bayesian_active_learning_disagreement_dropout.py(618B)
--------adversarial_bim.py(1KB)
--------kmeans_sampling.py(837B)
--------least_confidence.py(433B)
--------__init__.py(711B)
--------kcenter_greedy.py(1KB)
--------margin_sampling_dropout.py(587B)
--------active_learning_by_learning.py(2KB)
--------least_confidence_dropout.py(515B)
--------adversarial_deepfool.py(2KB)
--------core_set.py(2KB)
--------core_set_solve.py(4KB)