PyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in drei verschiedenen Szenarien.
Führen Sie Experimente zum kontinuierlichen Lernen mit tiefen neuronalen Netzen durch, wobei der Fokus auf dem sequenziellen Lernen von Aufgaben über die Zeit liegt.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarPyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in drei verschiedenen Szenarien.
continual-learning hat 1.9k Sterne auf GitHub. Es wurde 345-mal geforkt. continual-learning ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2018 aktiv entwickelt. continual-learning ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-neural-networks, class-incremental-learning, continual-learning, deep-learning.
PyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in drei verschiedenen Szenarien.
continual-learning ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. continual-learning ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
continual-learning ist unter der MIT-Lizenz verfügbar.
continual-learning ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/gmvandeven-continual-learning.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.