归一化损失函数 - 主动被动损失

ICML2020论文"深度学习中带噪标签的归一化损失函数"的代码

要求

Python >= 3.6, PyTorch >= 1.3.1, torchvision >= 0.4.1, mlconfig

如何运行

实验设置的配置

查看config文件夹中每个实验的'*.yaml'文件。

参数

• noise_rate: 噪声率
• asym: 如果是非对称噪声则使用，默认为对称
• config_path: 配置文件夹的路径
• version: 配置文件名
• exp_name: 实验名称（作为注释）
• seed: 随机种子

0.4对称噪声率下使用NCE+RCE损失的示例

# CIFAR-10
$  python3  main.py --exp_name      test_exp            \
                    --noise_rate    0.4                 \
                    --version       nce+rce             \
                    --config_path   configs/cifar10/sym \
                    --seed          123

# CIFAR-100
$  python3  main.py --exp_name      test_exp             \
                    --noise_rate    0.4                  \
                    --version       nce+rce              \
                    --config_path   configs/cifar100/sym \
                    --seed          123

引用本工作

如果您在工作中使用了此代码，请引用随附的论文：

@inproceedings{ma2020normalized,
  title={Normalized Loss Functions for Deep Learning with Noisy Labels},
  author={Ma, Xingjun and Huang, Hanxun and Wang, Yisen and Romano, Simone and Erfani, Sarah and Bailey, James},
  booktitle={ICML},
  year={2020}
}