DomainLab：用于深度学习领域泛化的模块化 Python 包
机器学习
2024-03-22 v1 软件工程
摘要
由未见领域中的分布偏移导致的泛化性能不佳，常常阻碍深度神经网络的可信部署。许多领域泛化技术通过在训练期间添加领域不变的正则化损失项来解决此问题。然而，目前缺乏模块化软件，使用户能够以最小的复现工作量组合不同方法的优势。DomainLab 是一个模块化 Python 包，用于训练用户指定的神经网络，并带有可组合的正则化损失项。其解耦设计允许将神经网络与正则化损失构建分离。神经网络、不同领域泛化方法及相关超参数的层次化组合，均可与其他实验设置一起在单个配置文件中指定。此外，DomainLab 提供强大的基准测试功能，以评估神经网络在分布外数据上的泛化性能。该包支持在高性能计算集群或独立机器上运行指定的基准测试。该包经过良好测试，覆盖率超过 95%，且文档齐全。从用户角度看，它对修改封闭，但对扩展开放。该包采用 MIT 许可证，其源代码、教程和文档可在 https://github.com/marrlab/DomainLab 找到。
引用
@article{arxiv.2403.14356,
title = {DomainLab: A modular Python package for domain generalization in deep learning},
author = {Xudong Sun and Carla Feistner and Alexej Gossmann and George Schwarz and Rao Muhammad Umer and Lisa Beer and Patrick Rockenschaub and Rahul Babu Shrestha and Armin Gruber and Nutan Chen and Sayedali Shetab Boushehri and Florian Buettner and Carsten Marr},
journal= {arXiv preprint arXiv:2403.14356},
year = {2024}
}