-
\"在Continual-Learning-Benchmark中，我们运用流行的持续学习算法对三种任务转移类型进行评估\
资源介绍
持续学习基准
使用流行的持续学习算法评估三种类型的任务转移。
该存储库使用PyTorch实现并模块化了以下算法：
EWC： ，（克服神经网络中的灾难性遗忘）
在线EWC： ，
SI： ，（通过突触智能持续学习）
MAS： ，书面（“内存感知突触：学习（不）忘记的内容”）
创业板： ，（用于持续学习的梯度情景记忆）
（更多即将到来）
将以上所有算法与具有相同静态内存开销的以下基准进行比较：
天真彩排：
L2： ，
关键表：
如果此存储库对您的工作有所帮助，请引用：
@inproceedings{Hsu18_EvalCL,
title={Re-evaluating Continual Learning Scenarios: A Categorization and Case for Strong Baselines},
author={Yen-Chang Hsu a