論文の概要: PyTorch Adapt
- arxiv url: http://arxiv.org/abs/2211.15673v1
- Date: Mon, 28 Nov 2022 18:59:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 16:59:16.955981
- Title: PyTorch Adapt
- Title（参考訳）: PyTorch Adapt
- Authors: Kevin Musgrave, Serge Belongie, Ser-Nam Lim
- Abstract要約: PyTorch Adaptはドメイン適応のためのライブラリである。
ドメイン適応(Domain adapt)は、既存のモデルを新しいドメインで動作させる機械学習アルゴリズムの一種である。
完全に機能したツールキットで、数行のコードで完全なトレイン/テストパイプラインを作成できる。
- 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: PyTorch Adapt is a library for domain adaptation, a type of machine learning
algorithm that re-purposes existing models to work in new domains. It is a
fully-featured toolkit, allowing users to create a complete train/test pipeline
in a few lines of code. It is also modular, so users can import just the parts
they need, and not worry about being locked into a framework. One defining
feature of this library is its customizability. In particular, complex training
algorithms can be easily modified and combined, thanks to a system of
composable, lazily-evaluated hooks. In this technical report, we explain in
detail these features and the overall design of the library. Code is available
at https://www.github.com/KevinMusgrave/pytorch-adapt
- Abstract（参考訳）: PyTorch Adaptは、既存のモデルを新しいドメインで動作させるための機械学習アルゴリズムの一種である、ドメイン適応のためのライブラリである。
これは完全なツールキットであり、ユーザは数行のコードで完全なトレーナー/テストパイプラインを作成できる。
モジュール性もあるので、ユーザは必要なパーツだけをインポートでき、フレームワークにロックされることを心配する必要はない。
このライブラリの1つの特徴はカスタマイズ性である。
特に複雑なトレーニングアルゴリズムは、構成可能で遅延評価されたフックのシステムのおかげで、容易に修正および組み合わせが可能である。
本報告では,これらの特徴と図書館全体の設計について概説する。
コードはhttps://www.github.com/KevinMusgrave/pytorch-adaptで入手できる。
関連論文リスト
- depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers [92.13613958373628]
textttdepyfは、PyTorchコンパイラの内部動作を復号化するためのツールである。
textttdepyfは、PyTorchが生成したバイトコードを等価なソースコードに逆コンパイルする。
論文 参考訳（メタデータ） (2024-03-14T16:17:14Z) - 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) - Adaptoring: Adapter Generation to Provide an Alternative API for a
Library [5.710971447109951]
サードパーティのライブラリは、迅速なアプリケーション開発の基盤である。
あいまいなAPIは学習プロセスを遅くし、誤用につながる可能性がある。
本稿では、アダプタパターンを用いて、内部で元のライブラリを呼び出す新しいライブラリとして、新しいAPIを提供する。
論文 参考訳（メタデータ） (2024-01-13T11:48:45Z) - 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) - skrl: Modular and Flexible Library for Reinforcement Learning [0.0]
skrlはPythonで書かれた強化学習のためのオープンソースのモジュールライブラリである。
NVIDIA Isaac Gym環境のロード、設定、操作を可能にする。
論文 参考訳（メタデータ） (2022-02-08T12:43:31Z) - PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。
マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。
ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
論文 参考訳（メタデータ） (2021-11-18T18:59:58Z) - Small-Text: Active Learning for Text Classification in Python [23.87081733039124]
small-textはPython用の使いやすいアクティブラーニングライブラリである。
シングルラベルとマルチラベルのテキスト分類のためのプールベースのアクティブラーニングを提供する。
論文 参考訳（メタデータ） (2021-07-21T19:23:56Z) - SuperSuit: Simple Microwrappers for Reinforcement Learning Environments [0.0]
SuperSuitはPythonライブラリで、すべての人気のあるラッパーとラッパーが含まれており、観察/アクション/リワードに関数を簡単に適用できる。
これは、標準のGym環境仕様と、マルチエージェント環境のためのPettingZoo仕様と互換性がある。
論文 参考訳（メタデータ） (2020-08-17T00:30:06Z) - fastai: A Layered API for Deep Learning [1.7223564681760164]
fastaiは、実践者に高度なコンポーネントを提供するディープラーニングライブラリである。
これは研究者に、新しいアプローチを構築するために混在し、マッチできる低レベルのコンポーネントを提供する。
論文 参考訳（メタデータ） (2020-02-11T21:16:48Z)
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。