![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读论文
文章平均质量分 91
hoix
这个作者很懒,什么都没留下…
展开
-
WXK+ 分布外鲁邦 AugMax: Adversarial Composition of Random Augmentations for Robust Training
读NIPS 2021论文 AugMax: Adversarial Composition of Random Augmentations for Robust Training摘要数据增强是提高鲁棒性的一个简单有效之法。diversity和hardness是数据增强的两大需要考量的分支。AugMix使用多种的增强方法来加强收敛,而对抗训练通过生成困难的对抗样本来spot the weakness。由此启示,作者提出AugMax来统一多样性和困难性,具体是先随机多种增强算子,然后learn an ad原创 2021-12-31 20:51:10 · 1837 阅读 · 0 评论 -
BNB 网络缝合Revisiting Model Stitching to Compare Neural Representations
读NIPS2021论文 Revisiting Model Stitching to Compare Neural Representations摘要文章重新研究和扩展了model stitching方法,来研究神经网络的内部representation。给定两个已经训练好的参数已固定的网络A和B,作者考虑这样一种stitched model:将A的bottom layer和B的top layers缝合在一起组成一个新的模型。作者认为stitching是一个强大的且被低估的工具,效果在一些方面胜过目前原创 2021-12-31 17:49:34 · 1958 阅读 · 0 评论