continuum تنزيل - continuum تنزيل كود المصدر

continuum

شفرة المصدر الأخرى

Hashed Scenario, Scenario Generator, AwA2 dataset, Cub200 autodl, +fixes

تنزيل

الاستمرارية: إدارة بسيطة لسيناريوهات التعلم المستمر المعقدة

مكتبة لتحميل PyTorch لمجموعات البيانات في مجال التعلم المستمر

ويعرف أيضًا باسم التعلم المستمر، والتعلم مدى الحياة، والتعلم المتزايد، وما إلى ذلك.

اقرأ الوثائق.
اختبار الاستمرارية على كولاب!

مثال:

التثبيت من وPyPi:

pip3 install continuum

وتشغيل!

 from torch . utils . data import DataLoader

from continuum import ClassIncremental
from continuum . datasets import MNIST
from continuum . tasks import split_train_val

dataset = MNIST ( "my/data/path" , download = True , train = True )
scenario = ClassIncremental (
    dataset ,
    increment = 1 ,
    initial_increment = 5
)

print ( f"Number of classes: { scenario . nb_classes } ." )
print ( f"Number of tasks: { scenario . nb_tasks } ." )

for task_id , train_taskset in enumerate ( scenario ):
    train_taskset , val_taskset = split_train_val ( train_taskset , val_split = 0.1 )
    train_loader = DataLoader ( train_taskset , batch_size = 32 , shuffle = True )
    val_loader = DataLoader ( val_taskset , batch_size = 32 , shuffle = True )

    for x , y , t in train_loader :
        # Do your cool stuff here

أنواع السيناريوهات المدعومة

اسم	اختصار	المدعومة	سيناريو
حالات جديدة	ني	✅	المثيلات تزايدية
فئات جديدة	نورث كارولاينا	✅	الفصول تزايدية
مثيلات وفئات جديدة	نيك	✅	البيانات المتزايدة

مجموعات البيانات المدعومة:

معظم مجموعات البيانات من torchvision.dasasets مدعومة، للحصول على القائمة الكاملة، انظر صفحة الوثائق الخاصة بمجموعات البيانات هنا.

علاوة على ذلك، يمكن إنشاء بعض مجموعات البيانات "الوصفية" أو استخدامها من مجموعة numpy أو أي torchvision.datasets أو من مجلد لمجموعات البيانات التي لها بنية تشبه الشجرة أو من خلال الجمع بين عدة مجموعات بيانات وإنشاء زمالات مجموعة البيانات!

الفهرسة

جميع أدوات التحميل المستمرة لدينا قابلة للتكرار (أي يمكنك تكرارها)، كما أنها قابلة للفهرسة.

وهذا يعني أن clloader[2] يُرجع المهمة الثالثة (يبدأ الفهرس عند 0). وبالمثل، إذا كنت تريد التقييم بعد كل مهمة، في جميع المهام التي تمت مشاهدتها، قم بإجراء clloader_test[:n] .

مثال على نماذج الصور من سيناريو Continuum

سيفار10 :


المهمة 0	المهمة 1	المهمة 2	المهمة 3	المهمة 4

زمالة MNIST (MNIST + FashionMNIST + KMNIST) :


المهمة 0	المهمة 1	المهمة 2

تم تبديلMNIST :


المهمة 0	المهمة 1	المهمة 2	المهمة 3	المهمة 4

تم تدويرهاMNIST :


المهمة 0	المهمة 1	المهمة 2	المهمة 3	المهمة 4

تحويل تزايدي + تبديل الخلفية :


المهمة 0	المهمة 1	المهمة 2

الاقتباس

إذا وجدت هذه المكتبة مفيدة في عملك، يرجى التفكير في الاستشهاد بها:

 @misc{douillardlesort2021continuum,
  author={Douillard, Arthur and Lesort, Timothée},
  title={Continuum: Simple Management of Complex Continual Learning Scenarios},
  publisher={arXiv: 2102.06253},
  year={2021}
}

المشرفون

بدأ هذا المشروع بجهد مشترك من آرثر دويلارد وتيموثي ليسورت، ونحن حاليًا المشرفان عليه.

لا تتردد في المساهمة! إذا كنت تريد اقتراح ميزات جديدة، يرجى إنشاء مشكلة.

المساهمون: لوكاس كاتشيا، لوكاس تشيتشي باو رودريغيز، يوري أنتونوف، psychicmario، fcld94، أشوك أرجون، دكتور رفعت عارفين، دانييل موغناي، شياوهان زو، أومبرتو كابيلازو.