type
status
date
slug
summary
tags
category
icon
password
论文网站：
arXiv.orgDataset Condensation with Differentiable Siamese Augmentation
arXiv.org
arXiv.orgDataset Condensation with Differentiable Siamese AugmentationDataset Condensation with Differentiable Siamese Augmentation
In many machine learning problems, large-scale datasets have become the de-facto standard to train state-of-the-art deep networks at the price of heavy computation load. In this paper, we focus on...
arXiv.org代码网站：
知乎介绍：![]()
zhuanlan.zhihu.com![zhuanlan.zhihu.com]()
![]()
zhuanlan.zhihu.com
算法流程图：
图 4：可微分连体增强 （DSA） 在训练迭代中对采样的真实批次和合成批次中的所有数据点应用相同的参数增强（例如旋转）。将采样的真实批次和合成批次的网络参数梯度进行匹配，以更新合成图像。给出了一个 DSA 示例，将相同度数的旋转应用于采样的真实批次和合成批次。
引用自知乎介绍中
算法框架：
和DC基本一致，最外层训练K负责训练不同的模型初始化以增强浓缩数据集适用性，内层不断更新模型，训练T-1步，最内层是对每一个标签进行训练更新数据集。
还有就是这篇文件强调了他的数据增强是可微增强。
- Author:Coding
- URL:http://preview.tangly1024.com/article/2adad491-793a-817d-a52f-f92a88d9a647
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
Relate Posts
