SALF主动学习算法模型框架
SALF(Simple Active Learning Framework)是一个用于数据的主动学习采样标注的算法模型框架,致力于为主动学习领域提供一个更优的基础框架和采样评价模式。
该框架实现了多种深度学习任务下的主动学习接口,包括图像分类(image classification)、语义分割(semantic segmentation)、图像描述(image captioning)等。
为了方便相关研究进行性能实验和性能对比,该框架将部分常用的主动学习算法迁移实现到了该框架。此外,为了方便进行性能展示和采样结果分析,该框架实现了一个多算法性能可视化模块和一个基于T-SNE的采样结果可视化模块。
数据应用
目前,SALF实现了在图像分类(image classification)、图像描述(image captioning)、视觉问答(semantic segmentation)下的主动学习采样的基础框架和接口,并实现了部分常用主动学习算法。
性能展示
为了方便进行性能展示,该框架可以可视化多种主动学习算法在各个采样比例下的性能,进行性能对比的展示。
采样可视化
基于T-SNE的采样结果可视化模块,方便对采样结果的数据分布进行进一步研究分析。
评论
openModeller算法模型框架
openModeller是一个C++的框架,它提供了一个统一的方法,使用各种不同的算法对分布格局进行建模。它可以用来预测物种潜在分布基于一套地理发生点和一套环境层。
openModeller算法模型框架
0
GraphPipe深度学习模型部署框架
GraphPipe是甲骨文开源的通用深度学习模型部署框架。官方对GraphPipe的定义为,这是一种协议和软件集合,旨在简化机器学习模型部署并将其与特定于框架的模型实现分离。甲骨文表示,这一新工具可提
GraphPipe深度学习模型部署框架
0