low-rank-factorization

低阶因式分解 这些代码来自 从原始的Dogs vs Cats数据集中，我们使用训练集的20％作为测试集 这是原始的自述文件 PyTorch张量分解 这是卷积层的Tucker和CP分解的实现。 关于此的博客文章可以在找到。 它取决于来执行张量分解。 用法-待修改 根据微调VGG16训练模型： python main.py --train 。 应该有一个包含两个类别的数据集。 每个类别一个目录。 训练数据应进入一个名为“ train”的目录。 测试数据应进入名为“ test”的目录。 这可以通过标志--train_path和--test_path来控制。 我使用了 然后将模型保存到名为“模型”的文件中。 执行分解： python main.py --decompose这会将新模型保存到“ decomposed_model”中。 默认情况下，它使用Tucker分解。 要使用CP分解，