uoft-dsp-lab/DataDAM
收藏Hugging Face2024-06-19 更新2024-06-25 收录
下载链接：
https://hf-mirror.com/datasets/uoft-dsp-lab/DataDAM
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含了通过注意力匹配技术进行蒸馏的多个图像分类数据集，包括CIFAR10、CIFAR100、ImageSquack和ImageWoof的蒸馏数据和ConvNet权重。此外，还提供了CIFAR10和CIFAR100的推荐合成初始化参数。用户可以直接加载训练好的模型参数进行推理，也可以访问蒸馏数据参数以训练自己的模型。
该数据集包含了通过注意力匹配技术进行蒸馏的多个图像分类数据集，包括CIFAR10、CIFAR100、ImageSquack和ImageWoof的蒸馏数据和ConvNet权重。此外，还提供了CIFAR10和CIFAR100的推荐合成初始化参数。用户可以直接加载训练好的模型参数进行推理，也可以访问蒸馏数据参数以训练自己的模型。
提供机构：
uoft-dsp-lab
原始信息汇总
DataDAM: Efficient Dataset Distillation with Attention Matching
数据集详情
本仓库包含以下精简数据集及其对应的ConvNet模型权重参数：
- CIFAR10: 精简数据（IPC 1 & 10 & 50）和ConvNet权重
- CIFAR100: 精简数据（IPC 1 & 10 & 50）和ConvNet权重
- ImageSquack: 精简数据（IPC 1 & 10）和ConvNet权重
- ImageWoof: 精简数据（IPC 1 & 10）和ConvNet权重
此外，还包括运行精简过程时推荐的CIFAR10和CIFAR100的合成初始化参数。
评估
本仓库提供在精简数据集上训练的模型参数，可直接加载到ConvNet模型中进行推理。用户只需下载文件夹，放置在当前工作目录，并运行新的测试脚本（distill_test.py）。
若用户希望在精简数据上训练自己的模型，可通过以下代码片段访问数据参数（其中args为标准解析器参数对象）： python data_save = torch.load(os.path.join(args.save_path, syn_data_%s_ipc_%d.pt%(args.dataset.lower(), args.ipc)))["data"] image_syn_eval = torch.tensor(data_save[0]) label_syn_eval = torch.tensor(data_save[1])
