论文地址：[2103.16788] DER: Dynamically Expandable Representation for Class Incremental Learning (arxiv.org)代码地址：https://github.com/Rhyssiyan/DER-ClassIL.pytorch.本文上海科技大学和中国科学院大学共同发表。发表在CVPR2021. 本文是通过增加模型

bagging是什么？boosting？什么是stacking？bagging与boosting的区别？EM算法是什么?是最大化先验还是后验？相关内容：机器学习算法基础问题(一)PCA|SVM|贝叶斯|过拟合机器学习算法基础问题(二)类别不均|尺寸及感受野|Batch Norm|损失函数机器学习算法基础问题(三)集成学习|adaboost与XGboost| EM算法...

Video Encode and Decode GPU Support Matrix [NEW] | NVIDIA DeveloperVideo Encode and Decode GPU Support Matrix [NEW] | NVIDIA DeveloperHWAccelIntro – FFmpeghttps://developer.nvidia.com/nvidia-video-cod

问题：运行程序时报错 InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version，描述了显卡驱动与CUDA版本不匹配的问题。目的：解决版本不匹配的问题。参考：https://blog.csdn.net/weixin_36474809/a...

Few Shot Incremental Learning with Continually Evolved ClassifiersCVPR2021，由新加坡南洋理工大学本文利用Graph即图模型，将拓扑结构与增量模型向结合，从而取得不错的效果。类似论文，均是基于双阶段的增量模型，一个是特征提取模块，另一个是分类器模块。对于Rehearsal的方法而言，特征提取模块可能一起更新。对于本文的方法而言

乔治亚州研究所提出的，发表在ICLR2021上。针对无监督的类别增量提出了本文的方法。本文基于无监督，增量数据没有标签，因此范畴就是选用了增量学习之中最宽松的限制，即基于样本回放的增量学习方法，旧样本会被存储在模型Memory之中。论文地址：[2104.04450] Unsupervised Class-Incremental Learning Through Confusion (arxiv.o

背景：为了更改运行通相应代码，需要先在小数据集上运行代码方便实现。目的：在小数据集上运行代码。目录一、生成训练集代码1.1 命令行与输入参数1.2 输入图像1.3 转换与存入1.4 输出相关信息二、一个版本原因的错误（已调通可不看）2.1 版本导致的报错2.2 解决方法三、生成训练集3.1 训练集与测试集的更改3.2 命令行3.3 valid...

目的：看懂网络训练代码，方便后续更改。目录一、更改迭代次数1.1定义位置train_config初始化位置EasyDict定义位置1.2 更改迭代次数的方法二、网络结构2.1 原始网络结构与代码解析2.2 训练时autoencoder的调用三、训练函数嵌套关系3.1 config.py 到submit_run3.2 submit.py 中的run_w...

背景：需要将GAT实现在resnet的预测score之上，并且将masked attention运用上。相关内容：图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解Graph Attention Network (一) 训练运行与代码概览Graph Attention Network (二) 模型定义博主代码地址：https...

基于模型结构增扩的方法，本文对近两年基于模型结构扩张的增量学习方法进行归纳总结和详解。文章链接如下：RKR论文详解 Rectification-based Knowledge Retention for Continual Learning. CVPR 2021 基于知识矫正的持续学习_祥瑞的技术博客-CSDN博客DER论文详解DER: Dynamically Expandable Represe