文件名称：持续学习：PyTorch实施各种持续学习方法（XdG，EWC，在线EWC，SI，LwF，GR，GR +蒸馏，RtF，ER，A-GEM，iCaRL）
文件大小：68KB
文件格式：ZIP
更新时间：2024-02-25 18:04:27
deep-learning artificial-neural-networks replay incremental-learning variational-autoencoder
持续学习 这是以下论文中描述的持续学习实验的PyTorch实现： 三种持续学习的方案（） 具有反馈连接的生成性重放是持续学习的通用策略（） 要求 当前版本的代码已经过测试： pytorch 1.1.0 torchvision 0.2.2 运行实验 可以使用main.py运行单个实验。 主要选项有： --experiment ：哪个任务协议？ （ splitMNIST | permMNIST ） --scenario ：根据哪种情况？ （ task | domain | class ） --tasks ：多少个任务？ 要运行特定方法，请使用以下命令： 上下文相关门（XdG）：
【文件预览】：
continual-learning-master
----compare_taskID.py(13KB)
----.gitignore(46B)
----vae_models.py(16KB)
----continual_learner.py(10KB)
----compare_time.py(13KB)
----param_stamp.py(6KB)
----visual_plt.py(10KB)
----LICENSE(1KB)
----exemplars.py(7KB)
----utils.py(8KB)
----compare_replay.py(13KB)
----README.md(5KB)
----compare_all.py(23KB)
----evaluate.py(16KB)
----excitability_modules.py(4KB)
----main.py(34KB)
----visual_visdom.py(2KB)
----callbacks.py(9KB)
----replayer.py(1KB)
----encoder.py(13KB)
----data.py(10KB)
----linear_nets.py(8KB)
----param_values.py(3KB)
----train.py(18KB)