論文の概要: ADAPT : Awesome Domain Adaptation Python Toolbox
- arxiv url: http://arxiv.org/abs/2107.03049v1
- Date: Wed, 7 Jul 2021 07:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-08 13:59:31.600848
- Title: ADAPT : Awesome Domain Adaptation Python Toolbox
- Title（参考訳）: ADAPT : Awesome Domain Adaptation Python Toolbox
- Authors: Antoine de Mathelin, Fran\c{c}ois Deheeger, Guillaume Richard,
Mathilde Mougeot, Nicolas Vayatis
- Abstract要約: ADAPTはオープンソースのpythonライブラリで、いくつかのドメイン適応メソッドの実装を提供する。
このライブラリは、Scikit-learn 推定オブジェクト(適合および予測メソッドを実装するオブジェクト)とtensorflowモデルに適している。
- 参考スコア（独自算出の注目度）: 5.932280316886339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ADAPT is an open-source python library providing the implementation of
several domain adaptation methods. The library is suited for scikit-learn
estimator object (object which implement fit and predict methods) and
tensorflow models. Most of the implemented methods are developed in an
estimator agnostic fashion, offering various possibilities adapted to multiple
usage. The library offers three modules corresponding to the three principal
strategies of domain adaptation: (i) feature-based containing methods
performing feature transformation; (ii) instance-based with the implementation
of reweighting techniques and (iii) parameter-based proposing methods to adapt
pre-trained models to novel observations. A full documentation is proposed
online https://adapt-python.github.io/adapt/ with gallery of examples. Besides,
the library presents an high test coverage.
- Abstract（参考訳）: ADAPTはオープンソースのpythonライブラリで、いくつかのドメイン適応メソッドの実装を提供する。
このライブラリは、Scikit-learn 推定オブジェクト(適合および予測メソッドを実装するオブジェクト)とtensorflowモデルに適している。
実装された手法の多くは推定器に依存しない方法で開発され、複数の用途に適応した様々な可能性を提供する。
このライブラリは、ドメイン適応の3つの主要な戦略に対応する3つのモジュールを提供する: (i) 特徴変換を行う機能ベースの包含メソッド、 (ii) 再重み付け手法を実装したインスタンスベース、 (iii) 事前学習されたモデルに新しい観察に適応するためのパラメータベースの提案方法。
完全なドキュメントがオンライン https://adapt-python.github.io/adapt/ で提案されている。
さらに、このライブラリは高いテストカバレッジを提供する。
関連論文リスト
- $\texttt{skwdro}$: a library for Wasserstein distributionally robust machine learning [6.940992962425166]
skwdroは、堅牢な機械学習モデルをトレーニングするためのPythonライブラリである。
一般的な目的のために、Scikit-learn互換の推定器と、PyTorchモジュール用のラッパーの両方を備えている。
論文 参考訳（メタデータ） (2024-10-28T17:16:00Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - Mixture-Models: a one-stop Python Library for Model-based Clustering
using various Mixture Models [4.60168321737677]
textttMixture-Modelsは、Gaussian Mixture Models(GMM)とその変種を適合させるオープンソースのPythonライブラリである。
様々な第1/第2次最適化ルーチンを使用して、これらのモデルの実装と分析を合理化する。
このライブラリは、BIC、AIC、ログライクな推定など、ユーザフレンドリーなモデル評価ツールを提供する。
論文 参考訳（メタデータ） (2024-02-08T19:34:24Z) - DeeProb-kit: a Python Library for Deep Probabilistic Modelling [0.0]
DeeProb-kitはPythonで書かれた統一ライブラリで、DPM(Deep Probabilistic Model)のコレクションで構成されている。
効率的に実装された学習技術、推論ルーチン、統計アルゴリズム、高品質な完全ドキュメントAPIを提供する。
論文 参考訳（メタデータ） (2022-12-08T17:02:16Z) - 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) - BOML: A Modularized Bilevel Optimization Library in Python for Meta
Learning [52.90643948602659]
BOMLはモジュール化された最適化ライブラリで、いくつかのメタ学習アルゴリズムを共通の双方向最適化フレームワークに統合する。
さまざまなイテレーションモジュールとともに階層的な最適化パイプラインを提供し、メタ学習メソッドの主流カテゴリを解決するために使用できる。
論文 参考訳（メタデータ） (2020-09-28T14:21:55Z) - Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。
このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。
分類モデルと非分類モデルの両方に使用できる。
論文 参考訳（メタデータ） (2020-09-16T18:57:57Z) - Picasso: A Sparse Learning Library for High Dimensional Data Analysis in
R and Python [77.33905890197269]
本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。
ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
論文 参考訳（メタデータ） (2020-06-27T02:39:24Z) - Kernel methods library for pattern analysis and machine learning in
python [0.0]
kernelmethodsライブラリは、ドメインに依存しない方法で、python MLエコシステムにおける重要な空白を埋めます。
このライブラリは、カーネルベースの操作を効率的にするための、よく定義された多くのクラスを提供する。
論文 参考訳（メタデータ） (2020-05-27T16:44:42Z) - MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。
このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
論文 参考訳（メタデータ） (2020-02-09T23:34:49Z)
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。