C3Box：基于CLIP的类增量学习工具箱

传统的机器学习系统通常是为静态数据分布设计的，当从不断变化的数据流中学习时，会遭受灾难性遗忘。类增量学习通过使学习系统能够持续学习新类别同时保留先前知识来应对这一挑战。随着预训练模型（如CLIP）的兴起，利用其强大的泛化和语义对齐能力已成为类增量学习中的一个有前景的方向。然而，现有的基于CLIP的类增量学习方法通常分散在不同的代码库中，依赖于不一致的配置，阻碍了公平比较、可重复性和实际采用。因此，我们提出了C3Box（基于CLIP的类增量学习工具箱），一个模块化且全面的Python工具箱。C3Box将代表性的传统类增量学习方法、基于ViT的类增量学习方法以及最先进的基于CLIP的类增量方法集成到一个统一的基于CLIP的框架中。通过继承PyCIL的流线型设计，C3Box提供了基于JSON的配置和标准化的执行流水线。这种设计使得以较低的工程开销实现可重复的实验，并使C3Box成为持续学习研究的可靠基准平台。C3Box设计为用户友好型，仅依赖于广泛使用的开源库，并支持主流操作系统。代码可在 https://github.com/LAMDA-CL/C3Box 获取。