文件名称：uda：无监督数据增强（UDA）
文件大小：323KB
文件格式：ZIP
更新时间：2024-02-24 09:01:11
nlp natural-language-processing computer-vision tensorflow cv
无监督数据增强 总览 无监督数据增强或UDA是一种半监督学习方法，可在各种语言和视觉任务上实现最新的结果。 仅用20个标记的示例，UDA优于以前在25,000个标记的示例上训练的IMDb的最新技术。 模型 带标签的示例数 错误率 混合增值税（以前的SOTA） 25,000 4.32 伯特 25,000 4.51 UDA 20 4.20 使用CIFAR-10（带有4,000个标记的示例）和SVHN（带有1,000个带标记的示例），可将最新方法的错误率降低30％以上： 模型 CIFAR-10 SVHN ICT（以前的SOTA） 7.66±.17 3.53±.07 UDA 4.31±.08 2.28±.10 有了10％的标签数据，它就对ImageNet进行了重大改进。 模型 top-1精度 前5位准确性 ResNet-50 55.09 77.26 UDA 68.78 88.80 这个怎么运作 UDA是一种半监督学习的方法，它减少了对带有标记的示例的需求，并更好地利用了没有标记的示例。 我们发布的内容 我们发布以下内容： 基于BERT的文本分
【文件预览】：
uda-master
----.gitignore(27B)
----text()
--------extract_raw_text.py(3KB)
--------bert()
--------data()
--------augmentation()
--------uda.py(12KB)
--------utils()
--------scripts()
--------preprocess.py(19KB)
--------main.py(12KB)
----CONTRIBUTING.md(1KB)
----LICENSE(11KB)
----README.md(8KB)
----image()
--------randaugment()
--------utils.py(4KB)
--------scripts()
--------preprocess.py(13KB)
--------main.py(21KB)
--------data.py(6KB)
----back_translate()
--------run.sh(3KB)
--------example_file.txt(464B)
--------sent_to_paragraph.py(2KB)
--------split_paragraphs.py(4KB)
--------download.sh(755B)