- 博客(4)
- 收藏
- 关注
RSS订阅原创 深度对抗神经网络(DANN)笔记
一 总体介绍DANN是一种迁移学习方法，是对抗迁移学习方法的代表方法。基本结构由特征提取层f,分类器部分c和对抗部分d组成，其中f和c其实就是一个标准的分类模型，通过GAN（生成对抗网络）得到迁移对抗模型的灵感。但此时生成的不是假样本，而是假特征，一个足以让目标域和源域区分不开的假特征。而领域判别器D其实是个标准的二分类分类器，0是源域，1是目标域。它本身的目标是区分源域和目标域，而我们想要的结果是使判别器越来越分不出数据特征来自源域还是目标域，感觉起来这很矛盾。但其实我们引入一个梯度反转层就可以完
2022-05-25 19:57:45
20455
24
原创 Deep Coral loss
import torchdef CORAL(source, target): d = source.data.shape[1] #coral公式中的分母部分 ns, nt = source.data.shape[0], target.data.shape[0] # source covariance xm = torch.mean(source, 0, keepdim=True) - source #对应着Cs的分子部分 xc = xm.t() @ xm/(n.
2022-04-17 21:34:24
1810
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人