transferlearning-tutorial
transferlearning-tutorial copied to clipboard
jindongwang
欢迎提意见！
你好，《迁移学习简明手册》 13.4 2. 人脸识别图像数据集 这一小节中 “...按照不同的关照和曝光条件随机选出。“ 应该是 “...光照和曝光条件...” 吧？
你好，53页中fts = fts ./ repmat(sum(fts, 2), 1, size(fts, 2)); 是否是fts = fts ./ repmat(sum(fts, 1), size(fts, 1), 1); 使用Xs = zscore(fts, 1);是否能将上句删除？谢谢解答
@jindongwang 可能我没有表达清楚，我的意思是第二个指示函数中是否应该是$\eta(x_i)=1$而不是$\eta(x_i)=0$，对于假设$\eta$来说来自source domain的样本应该判断为0，来自target domain的样本应该判断为1吧
39页处，“简单说一下什么叫 AnB：（所有实验都是针对数据 B 来说的）将 A 网络的前 n 层拿来 并将它 frozen，剩下的 8 − n 层随机初始化，然后对 B 进行分类。”paper里面是指，剩下的8-n层随机初始化并在B上训练后，再对B进行分类。这么写读起来让人以为是用随机初始化的权重做后续的分类任务的。
您好，关于深度迁移学习中图31（page 38）的说明，该图是引用的哪篇论文？使用的什么数据集？ 还有以下几点疑惑需要请教您：
- 目前，迁移学习主要都是深度迁移学习方法来做吗？或者深度迁移学习与传统迁移学习方法的结合？
- 相比传统的迁移学习方法，深度迁移学习方法主要是在哪方面进行迁移比较有优势（数据分布 or 特征 or 子空间 ）？
-
图31不是某篇论文的结果，是各个结果综合起来的。杨强老师演讲多次用过此图。使用的应该是office数据集。
-
现在的迁移方法绝大多数都是深度和对抗迁移。
-
深度方法可以学习到更深层的特征，结合对抗能够学习到比较好的迁移特征。
在2019年2月20日 10:25，hu bifeng[email protected]mailto:[email protected] 写道：
您好，关于深度迁移学习中图31（page 38）的说明，该图是引用的哪篇论文？使用的什么数据集？ 还有以下几点疑惑需要请教您：
- 目前，迁移学习主要都是深度迁移学习方法来做吗？或者深度迁移学习与传统迁移学习方法的结合？ 2）相比传统的迁移学习方法，深度迁移学习方法主要是在哪方面进行迁移比较有优势（数据分布 or 特征 or 子空间 ）？
— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHubhttps://github.com/jindongwang/transferlearning-tutorial/issues/6#issuecomment-465393858, or mute the threadhttps://github.com/notifications/unsubscribe-auth/AF33fkczjeHiWdXnCQq0csY8-6I9bdQjks5vPLIOgaJpZM4TRWxO.
ch04_basic.tex, line 258, "Wasserstein Distance是一套用来衡量两个概率分部..."笔误，改为"概率分布"。 最后，谢谢作者的贡献！
@jindongwang 请问作者您尝试过复现AdaBN的结果吗？AdaBN的论文和后来诸如VisDA等比赛中都常用到这种方法，但是经过我自己复现之后发现效果并不是很好)☹ 如果您有相关研究经历，可否与我解惑，感激不尽🙏
首先感谢这么优秀的工作~ 28页条件分布适配小节的第二段中“……根据贝叶斯公式P(yt|xt) = p(yt)p(xt|yt)，我们如果忽略P(xt)……”，是否在等式左边漏掉了P(xt)
看到您在网页版pdf第九章深度迁移学习方法的基本思路中写道
“finetune有它的先天不足：它无法处理训练数据和测试数据分布不同的情况”
想问下这句怎么理解呢，不足的原因是什么呢？finetune的这一不足在从头训练CNN的时候会出现么？盼复~
@huiMM 京东卖的是全新的内容，不是这个repo里的东西。相比于1.0主要更新的内容，请看这个链接：https://zhuanlan.zhihu.com/p/374927278