Command Palette
Search for a command to run...
継続学習
継続学習、または逐次学習や生涯学習とも呼ばれる方法は、モデルが多くのタスクを順次学習し、以前のタスクで獲得した知識を忘れないようにするための訓練手法です。データを再訪問できないシナリオでは、この方法はタスク識別子を提供することでパフォーマンスを評価・検証し、モデルのパフォーマンスを継続的に進化するタスク間で維持する問題に対処することを目指しており、大きな応用価値を持っています。
ASC (19 tasks)
CTR
visual domain decathlon (10 tasks)
Res. adapt. decay
Tiny-ImageNet (10tasks)
ALTA-ViTB/16
Cifar100 (20 tasks)
Model Zoo-Continual
F-CelebA (10 tasks)
CAT (CNN backbone)
ImageNet (Fine-grained 6 Tasks)
CondConvContinual
Wikiart (Fine-grained 6 Tasks)
Stanford Cars (Fine-grained 6 Tasks)
CPG
Sketch (Fine-grained 6 Tasks)
20Newsgroup (10 tasks)
Flowers (Fine-grained 6 Tasks)
CondConvContinual
DSC (10 tasks)
CTR
CUBS (Fine-grained 6 Tasks)
CondConvContinual
ImageNet-50 (5 tasks)
CondConvContinual
Cifar100 (10 tasks)
RMN (Resnet)
Permuted MNIST
RMN
split CIFAR-100
Rotated MNIST
Model Zoo-Continual
5-dataset - 1 epoch
5-Datasets
TinyImageNet ResNet-18 - 300 Epochs
CIFAR-100 AlexNet - 300 Epoch
CIFAR-100 ResNet-18 - 300 Epochs
IBM
Split MNIST (5 tasks)
H$^{2}$
Split CIFAR-10 (5 tasks)
H$^{2}$
MLT17
MiniImageNet ResNet-18 - 300 Epochs
miniImagenet
mini-Imagenet (20 tasks) - 1 epoch
TAG-RMSProp
Cifar100 (20 tasks) - 1 epoch
Coarse-CIFAR100
Model Zoo-Continual
CUB-200-2011 (20 tasks) - 1 epoch