We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
1.论文应该少做了一个消融实验: 对比预训练模型和引入无监督hisc loss后的聚类效果,如果引入hisc loss后有提升,才能说明hisc loss 是有效的。不知作者是否有做这一部分实验。(未在论文中发现) 2.我在tf 1.14 keras 2.2.4环境下跑了hisc_mnist_semi的代码,测试了预训练后的模型 聚类指标和引入无监督hisc loss后模型聚类指标,两者是一样的。其原因是模型没有训练。接着我打印了无监督训练的总loss,其值为0。这个不知道是否由于tf keras版本的问题 3.我也尝试用pytorch实现论文的结果,在文本数据集上跑了对比实验,引入论文的方法往往导致特征聚类指标的下降,所以希望作者能够进一步提供 hisc loss的引入提高特征鲁棒性 的证明。
The text was updated successfully, but these errors were encountered:
No branches or pull requests
1.论文应该少做了一个消融实验:
对比预训练模型和引入无监督hisc loss后的聚类效果,如果引入hisc loss后有提升,才能说明hisc loss 是有效的。不知作者是否有做这一部分实验。(未在论文中发现)
2.我在tf 1.14 keras 2.2.4环境下跑了hisc_mnist_semi的代码,测试了预训练后的模型 聚类指标和引入无监督hisc loss后模型聚类指标,两者是一样的。其原因是模型没有训练。接着我打印了无监督训练的总loss,其值为0。这个不知道是否由于tf keras版本的问题
3.我也尝试用pytorch实现论文的结果,在文本数据集上跑了对比实验,引入论文的方法往往导致特征聚类指标的下降,所以希望作者能够进一步提供 hisc loss的引入提高特征鲁棒性 的证明。
The text was updated successfully, but these errors were encountered: