文件名称:CIDA:[ICML 2020]连续索引域适应
文件大小:67.66MB
文件格式:ZIP
更新时间:2024-06-13 16:11:09
JupyterNotebook
连续索引域自适应(CIDA) 这是作者对CIDA的官方PyTorch实施。 此存储库包含ICML 2020论文“”中的实验代码。 本自述文件的大纲 超越域适应:CIDA简介 本质上,CIDA提出了是否以及如何超越当前(分类)域适应机制的问题,并提出了在连续索引域中进行适应的第一种方法。 例如,除了要从域A适应域B之外,我们还希望同时适应流形中无限多个域。 这使我们能够超越域自适应,并执行和。 请参见以下玩具示例。 有关更直观的介绍,请随时观看此。 样品结果 如果我们使用域[1,6]作为源域,而将其余域用作目标域,则以下是以前的域适应方法和CIDA的一些示例结果,其中CIDA成功地学习了决策边界如何随域索引演变。 方法概述 我们提供了一个简单而有效的学习框架,并提供了理论上的保证(请参阅本自述文件末尾的“理论”部分)。 下面是以前的域自适应方法和CIDA(红色标记的差异)之间的快速比较
【文件预览】:
CIDA-master
----toy-circle()
--------utils.py(210B)
--------data()
--------dataset.py(1KB)
--------main-half-circle.ipynb(307KB)
--------model.py(41KB)
--------plot.py(4KB)
--------modules.py(7KB)
--------.ipynb_checkpoints()
--------main-quarter-circle.ipynb(282KB)
----rotatingMNIST()
--------run_all_exp.sh(172B)
--------readme.md(843B)
--------main.ipynb(535KB)
--------accuracy.png(135KB)
--------model.py(34KB)
--------.ipynb_checkpoints()
----README.md(6KB)
----fig()
--------blog-circle-ADDA-vs-CIDA-with-GT.png(417KB)
--------blog-method-DA-vs-CIDA.png(46KB)
--------blog-table-intra.png(104KB)
--------blog-table-mnist.png(97KB)
--------blog-circle.png(470KB)
--------blog-domain-inter-extra.png(591KB)
--------blog-table-multi.png(34KB)
--------blog-circle-ADDA-vs-CIDA.png(563KB)
--------blog-table-cross.png(63KB)
----toy-sine()
--------tmp.model_discr(24.6MB)
--------pred_tmp.pkl(7.04MB)
--------main-sine-baselines.ipynb(259KB)
--------utils.py(3KB)
--------tmp.model_pred(2.46MB)
--------data_loader.py(3KB)
--------sine.pkl(72KB)
--------dataset.py(1KB)
--------tmp_mlp(15KB)
--------model.py(26KB)
--------main-sine-CIDA.ipynb(285KB)
--------plot.py(4KB)
--------tmp.model_enc(39.11MB)
--------modules.py(7KB)
--------.ipynb_checkpoints()