論文の概要: PyTorch Metric Learning

• arxiv url: http://arxiv.org/abs/2008.09164v1
• Date: Thu, 20 Aug 2020 19:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 03:05:10.545846
• Title: PyTorch Metric Learning
• Title（参考訳）: pytorchメトリック学習
• Authors: Kevin Musgrave, Serge Belongie, Ser-Nam Lim
• Abstract要約: PyTorch Metric Learningは、研究者と実践者の両方にとってこの障壁を取り除くことを目的とした、オープンソースのライブラリである。 モジュラーでフレキシブルな設計により、ユーザーは既存のコードで異なるアルゴリズムの組み合わせを簡単に試すことができる。 また、結果の速さを望むユーザーには、完全なトレイン/テストが提供される。
• 参考スコア（独自算出の注目度）: 37.03614011735927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep metric learning algorithms have a wide variety of applications, but implementing these algorithms can be tedious and time consuming. PyTorch Metric Learning is an open source library that aims to remove this barrier for both researchers and practitioners. The modular and flexible design allows users to easily try out different combinations of algorithms in their existing code. It also comes with complete train/test workflows, for users who want results fast. Code and documentation is available at https://www.github.com/KevinMusgrave/pytorch-metric-learning.
• Abstract（参考訳）: ディープメトリック学習アルゴリズムにはさまざまな応用があるが、これらのアルゴリズムの実装は退屈で時間がかかる。 PyTorch Metric Learningは、研究者と実践者の両方にとってこの障壁を取り除くことを目的とした、オープンソースのライブラリである。 モジュラーで柔軟な設計により、ユーザーは既存のコードで異なるアルゴリズムの組み合わせを簡単に試すことができる。 結果の迅速化を望むユーザのための、完全なトレイン/テストワークフローも備えている。 コードとドキュメントはhttps://www.github.com/KevinMusgrave/pytorch-metric-learningで入手できる。

関連論文リスト

• torchgfn: A PyTorch GFlowNet library [56.071033896777784]
  torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。 環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
  論文  参考訳（メタデータ） (2023-05-24T00:20:59Z)
• SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
  SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。 それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。 私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
  論文  参考訳（メタデータ） (2023-04-21T10:00:22Z)
• Trieste: Efficiently Exploring The Depths of Black-box Functions with TensorFlow [50.691232400959656]
  Triesteは、ベイジアン最適化とアクティブラーニングのためのオープンソースのPythonパッケージである。 我々のライブラリは、シーケンシャルな意思決定ループ内で人気のあるモデルのプラグアンドプレイを可能にする。
  論文  参考訳（メタデータ） (2023-02-16T17:21:49Z)
• imitation: Clean Imitation Learning Implementations [7.7064239657103375]
  模倣は、PyTorchにおける模倣と報酬学習アルゴリズムのオープンソース実装を提供する。 3つの逆強化学習(IRL)アルゴリズム、3つの模倣学習アルゴリズム、選好比較を含む。
  論文  参考訳（メタデータ） (2022-11-22T03:11:29Z)
• Xplique: A Deep Learning Explainability Toolbox [5.067377019157635]
  我々は、説明可能性のためのソフトウェアライブラリXpliqueを開発した。 代表的な説明可能性手法と関連する評価指標を含んでいる。 コードはMITライセンスでライセンスされており、無料で利用できる。
  論文  参考訳（メタデータ） (2022-06-09T10:16:07Z)
• Geometric Optimisation on Manifolds with Applications to Deep Learning [6.85316573653194]
  これらの強力なツールをすべて使用して、非専門家を支援するために、Pythonライブラリを設計、実装しています。 このライブラリに実装されたアルゴリズムは、ユーザビリティとGPU効率を念頭に設計されている。
  論文  参考訳（メタデータ） (2022-03-09T15:20:07Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• Neko: a Library for Exploring Neuromorphic Learning Rules [0.3499870393443268]
  Nekoはニューロモルフィック学習アルゴリズムのためのモジュラーライブラリである。 最先端のアルゴリズムを再現し、ある場合、精度とスピードの大幅な性能向上につながる。 NekoはPyTorchとバックエンドをサポートするオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2021-05-01T18:50:32Z)
• Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need? [72.00712736992618]
  メタトレーニングセット上で教師付きあるいは自己教師型表現を学習する単純なベースラインが、最先端の数ショット学習方法より優れていることを示す。 追加の増量は自己蒸留によって達成できる。 我々は,この発見が,画像分類ベンチマークとメタ学習アルゴリズムの役割を再考する動機となっていると考えている。
  論文  参考訳（メタデータ） (2020-03-25T17:58:42Z)
• PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
  PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。 これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
  論文  参考訳（メタデータ） (2020-02-13T10:33:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。