해야할게 많으니 빨리 정리하고 사용하러 가야겠습니다. 해당 라이브러리를 사용함으로서 CIL의 기본적인 전략들은 내가 직접구현할 필요없이 사용할 수 있기에 편리하게 되었습니다.
또한 classification 문제에서 다룰 수 있는 것들은 해당 라이브러리를 통해 사용하면 되니까 편리합니다. Dataset 첨부파일 07_datasets.ipynb 파일 다운로드 Avalanche에서 어떻게 데이터셋을 다룰 수 있고, 효과적으로 변경할 수 있는지를 정리하였습니다.
핵심만 살펴보도록 하겠습니다. AvalancheDataset import torch from torch.utils.data.dataset import TensorDataset from avalanche.benchmarks.utils import AvalancheDataset # Create a dataset of 100 data points described by 22 features + 1 class label x_data = ...
![Avalanche [continual-learning] - 02](https://mblogthumb-phinf.pstatic.net/MjAyMzA0MDdfMTQx/MDAxNjgwODQ3NDQ4ODk2.CG95UJXoVx4l6VgN23_EY3lleDxRCPCeUwpdNd3TJBIg.ZPmoB4nHCUxA-CR25z2avoqzvtml8jZRWSdFdpUSUY8g.PNG.jjunsss/image.png?type=w2)
#
ArtificialIntelligence
#
LifelongLearning
#
Logging
#
MachineLearning
#
MultiTaskLearning
#
PyTorch
#
Strategy
#
TaskIncremental
#
TensorBoard
#
TIL
#
TransferLearning
#
라이브러리
#
IL
#
EndToEnd
#
DomainIncremental
#
Avalanche
#
Benchmark
#
CatastrophicForgetting
#
CIL
#
CL
#
ClassIncremental
#
Community
#
ContinualLearning
#
DataStreams
#
DeepLearning
#
DIL
#
효율적인라이브러리
