pytorch ada:另一个针对研究人员的领域适应库 源码

ADA :(至今)另一个域适应库 语境 ADA的目的是帮助研究人员建立用于无监督和半监督域自适应的新方法。 该库建立在之上,可快速开发新模型。 我们以以下想法构建了ADA: 开发新方法(从多个域加载数据,记录错误,从CPU切换到GPU)时,最大程度地减少样板。 通过在完全相同的环境中运行所有方法,可以公平地比较方法。 你可以找到介绍ADA的,并在更完整的文档 。 快速说明 三种类型的方法可用于无监督域自适应: 对抗方法:领域对抗神经网络( )和条件对抗领域适应网络( ), 基于最优传输的方法:Wasserstein距离引导表示学习( ),为此,我们提出了两种实现方式,第二种实现方式是一种更适合PyTorch-Lightning的变体,可以进行多GPU训练。 基于MMD的方法:深度适应网络( )和联合适应网络( ) 所有这些方法都在中实现。 对抗和基于OT的方法都