简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!
2.本篇文章对Pointnet++特征提取模块进行改进,加入
KALNConv,提升性能。
3.专栏持续更新,紧随最新的研究内容。
目录
1.理论介绍
简化KAN模型概述
KANvolver:用于MNIST图像分类的单基函数
KAL-Net:在Kolmogorov Arnold Legendre网络中利用Legendre多项式
利用Chebyshev多项式
这个项目展示了使用PyTorch和CUDA加速对KAN模型进行训练、验证和量化。在MNIST数据集上对torchkan模型进行了评估,显示出显著的精度提高。
2.修改步骤
2.1 步骤一
新建kaln_conv.py文件,加入如下代码:
from functools import lru_cache
import torch
import torch.nn as nn
from torch.nn.functional import conv3d, conv2d, conv1d
##来源:https://github.com/1ssb/torchkan
class KALNConvNDLayer(nn.Module):