1 repository
Awesome GitHub RepositoriesKernel Discrepancy Minimization
Methods using kernel-based metrics like Maximum Mean Discrepancy to align probability distributions.
Distinct from Spherical Sliced Discrepancies: Candidates focus on spherical distance or data cleaning; they do not cover MMD-based feature alignment for ML.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Kernel Discrepancy Minimization. Refine with filters or upvote what's useful.
Awesome Kernel Discrepancy Minimization GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- thuml/transfer-learning-library
thuml/Transfer-Learning-Library
3,917Vezi pe GitHubAcest proiect este o bibliotecă cuprinzătoare pentru transfer learning și adaptarea domeniului în computer vision. Acesta servește drept framework pentru alinierea distribuțiilor de caracteristici între seturile de date sursă și țintă, un set de instrumente pentru generalizarea domeniului și o bibliotecă pentru învățare semi-supervizată folosind seturi mici de date etichetate și seturi mari neetichetate. Biblioteca oferă capabilități specializate pentru adaptarea nesupervizată a domeniului, inclusiv utilizarea rețelelor adversariale, arhitecturi bazate pe discrepanță și traducerea imagine-la-imagine pentru a reduce nepotrivirea distribuției. Include, de asemenea, instrumente pentru generalizarea domeniului pentru a asigura fiabilitatea modelului pe domenii țintă nevăzute prin style-mixing și minimizarea riscului invariant. Proiectul acoperă o suprafață largă de capabilități, inclusiv adaptarea sarcinilor și fine-tuning-ul cu regularizare specializată, antrenarea semi-supervizată prin pseudo-etichetare și învățarea consistenței, precum și selecția modelelor de transfer learning folosind metrici de transferabilitate. Include, de asemenea, un manager de seturi de date pentru automatizarea achiziției și pregătirii benchmark-urilor de viziune standardizate. Biblioteca include utilitare pentru monitorizare și observabilitate, cum ar fi vizualizări t-SNE și metrici A-distance pentru a analiza distribuțiile caracteristicilor și discrepanța domeniului.
Aligns feature distributions by calculating and minimizing the Maximum Mean Discrepancy across multiple kernel spaces.
Python
