文件名称：CLOPS:进行CLOPS中引入的实验代码
文件大小：61KB
文件格式：ZIP
更新时间：2024-03-28 23:41:37
Python
剪辑 CLOPS是基于重播的持续学习策略，它同时使用缓冲区存储和获取机制。 在“ CLOPS：生理信号的持续学习”中描述了该方法。 要求 CLOCS代码要求 Python 3.6或更高版本 PyTorch 1.0或更高版本 数据集 下载 可以从以下链接下载数据集： PhysioNet 2020年： ://physionetchallenges.github.io/2020/ 查普曼（Chapman）： : 心脏病学： : 前处理 为了针对CLOPS适当地预处理数据集，请参考以下存储库： ://anonymous.4open.science/r/9ecc66f3-e173-4771-90ce-ff35ee29a1c0/ 训练 要在本文中训练模型，请运行以下命令： python run_experiments.py 评估 要评估本文中的模型，请运行以下命令： python
【文件预览】：
CLOPS-master
----datasets()
--------index.html(1B)
----prepare_acquisition_functions.py(32KB)
----prepare_tasks.py(9KB)
----run_experiments.py(9KB)
----primarynetwork.py(10KB)
----my_dataset_load_images.py(2KB)
----prepare_models.py(12KB)
----cutout.py(1KB)
----README.md(976B)
----perform_training.py(21KB)
----run_experiment.py(36KB)
----prepare_buffer.py(4KB)
----prepare_network.py(5KB)
----Experimental Networks()
--------conv_module.py(620B)
--------primarynetwork.py(10KB)
--------trunkbranch.py(1005B)
--------nonlocalblock.py(3KB)
--------maskbranch.py(2KB)
--------maskgradients.py(2KB)
--------hyperattention_module_trunkmask.py(2KB)
--------hyperattention_module_nonlocal.py(1KB)
--------hyperattention_module.py(2KB)
----prepare_dataset.py(35KB)
----prepare_miscellaneous.py(10KB)
----prepare_dataloaders.py(41KB)