没有合适的资源?快使用搜索试试~ 我知道了~
USA_UFGSM:重新采用经过预训练的模型进行健壮的域外少量学习
共10个文件
py:5个
pth:4个
md:1个
需积分: 9 0 下载量 153 浏览量
2021-03-02
07:38:55
上传
评论
收藏 1.51MB ZIP 举报
温馨提示
重新利用预训练的模型进行鲁棒的域外少量学习 与模型无关的元学习(MAML)是少数学习的一种流行方法,但假设我们可以使用元训练集。 实际上,由于数据隐私问题,知识产权问题或仅缺乏计算资源,在元训练集上进行训练可能并不总是一种选择。 在本文中,我们考虑了重新使用预先训练的MAML检查点来解决新的少量快照分类任务的新问题。 由于潜在的分布不匹配,原始MAML步骤可能不再是最佳的。 因此,我们提出了另一种元测试程序,并将MAML梯度步骤与对抗训练和基于不确定性的逐步调整相结合。 使用SGD和Adam优化器,我们的方法在相同域和跨域基准上的性能优于“香草” MAML,并且显示出对选择基本逐步大小的改进的鲁棒性。 运行环境 python 3.6 pytorch 1.4 我们的代码来自 进行实验 miniimagenet_train.py是所有实验的通用网关。 输入python miniimagene
资源推荐
资源详情
资源评论
收起资源包目录
USA_UFGSM-master.zip (10个子文件)
USA_UFGSM-master
README.md 5KB
make_script_all.py 3KB
meta.py 26KB
miniimagenet_train.py 9KB
learner.py 7KB
MiniImagenet.py 9KB
save
model_5way_5shot.pth 451KB
model_5way_1shot.pth 451KB
model_10way_1shot.pth 502KB
model_5way_5shot_last_checkpoint.pth 451KB
共 10 条
- 1
资源评论
国服第一奶妈
- 粉丝: 27
- 资源: 4504
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功