科技一哥 清华开源迁移学习算法库( 二 )


例如 , 核方法中 , 用户可以自己定义不同参数的高斯核或者其他核函数 , 然后传入到多核最大均值差异(MK-MMD)的计算中 。
科技一哥 清华开源迁移学习算法库
文章图片
目前 , 所有的模块和损失函数均已提供详细的API说明文档 。
【科技一哥 清华开源迁移学习算法库】https://dalib.readthedocs.io/en/latest/
稳定性
域自适应算法研究领域往往关注方法的创新程度或者理论层面的价值 , 而忽视了工程实现中的稳定性和可复现性 。 在复现现有的算法的过程中 , 出现了部分算法准确率不稳定的问题 。 通过对数值方面的改进 , 这些问题都已经得到解决 。 (具体实现就不在此处展开了 。 )
此外 , DALIB几乎在所有任务上 , 准确率都比原论文汇报准确率高 , 部分数据集上甚至能高14% 。 下图分别是Office-31和VisDA-2017上的测试结果 。
科技一哥 清华开源迁移学习算法库
文章图片
图表4Office-31上不同算法的准确率
科技一哥 清华开源迁移学习算法库
文章图片
图表5VisDA2017上不同算法的准确率
算法库提供了各个算法在Office-31、Office-Home和VisDA-2017上的测试结果 , 以及所有的测试脚本 。 我们认为开源该算法库对于这个领域未来的研究工作是具有巨大价值的 。
未来的工作
域自适应算法子库DALIB下一个版本会支持域自适应算法的不同设定 , 包括部分域自适应任务(PartialDomainAdaptation)、开放集域自适应任务(Open-setDomainAdaptation)、通用域自适应任务(UniversalDomainAdaptation)等 。
迁移学习算法库Trans-Learn目前还处于初期开发阶段 , 难免有不完善的地方 , 欢迎其他研究者提意见 。 同时迁移学习这个方向也还在不断发展 , 今后会不断跟进新工作中比较好的算法 。
当前版本由龙明盛老师课题组的江俊广和付博同学开发 , 如果有任何意见和建议 , 欢迎联系JiangJunguang1123@outlook.com
fb1121@vip.qq.com
编辑:于腾凯
校对:林亦霖
—完—
想要获得更多数据科学领域相关动态 , 诚邀关注清华-青岛数据科学研究院官方微信公众平台“数据派THU” 。


推荐阅读