# adda

**Repository Path**: yanbo01haomiao/adda

## Basic Information

- **Project Name**: adda
- **Description**: adda
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-03-24
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# adda

#### 介绍
adda(Adversarial Discriminative Domain Adaptation) 对抗判别领域自适应
tensorflow尝试实现

#### 架构
所有文件夹下均使用__init__.py文件进行初始化

> adda/data

包含使用的数据集类封装

> adda/model

包含模型及其定义
LeNet
SVHN-Net

> adda/util.py

工具类。为日志自定义Handler类和通过配置文件封装日志格式

> adda/config.yml

日志格式配置文件。日志名称暂未写死

> data

MNIST，USPS，SVHN数据集原始数据

MNIST手写数字数据集

    主页: http://yann.lecun.com/exdb/mnist/
    
    图像大小：28x28
    
    图像格式：灰度图像
    
    文件列表
    ```
    data_files = {
        'train_images': 'train-images-idx3-ubyte.gz',
        'train_labels': 'train-labels-idx1-ubyte.gz',
        'test_images': 't10k-images-idx3-ubyte.gz',
        'test_labels': 't10k-labels-idx1-ubyte.gz',
    }
    ```
    
USPS手写数字数据集

    主页: http://statweb.stanford.edu/~tibs/ElemStatLearn/datasets/
    
    图像大小：16x16
    
    图像格式：灰度图像
    
    文件列表
    
    ```
    data_files = {
        'train': 'zip.train.gz',
        'test': 'zip.test.gz'
    }
    ```
    
SVHN 街道门牌号数字数据集

    主页: http://ufldl.stanford.edu/housenumbers/
    
    图像大小：32x32
    
    图像格式：RGB图像
    
    ```
    data_files = {
        'train': 'train_32x32.mat',
        'test': 'test_32x32.mat',
        # 'extra': 'extra_32x32.mat', #不使用
    }
    ```
    
> test

全部的测试demo，与项目内容无关，是为熟悉类和函数用法写的demo

#### 参考代码
https://github.com/erictzeng/adda


#### git 版本控制
第一次使用：参考https://www.zybuluo.com/yanbo01haomiao/note/1436277

正常pull与push：

以在vscode为例，修改代码后全部提交，输入提交commit。我这里不创建分支，直接使用master。规范应该建立分支。
在文件夹中git bash here：
```
git add .
git push adda master
```

#### 添加pytorch实现
> TODO

dataset类进行封装

抽象模型和对抗判别器的模型封装，
关于rgb和灰度图像的转化

logging类做日志封装

预训练模型和分类器保存

优化思路：使用MMD和重构损失用于对抗训练

#### 03-25 完成模型装载与预训练，获得特征提取器和分类器

#### 03-27 完成预训练部分的pytorch迁移——已经确保代码的可使用性

#### 03-29 书写tf下的train实现，还有三个未实现进度

pytorch下的实现还未进行封装和更改，但初始代码已经进行先验验证，后续进行更改和验证。

文字游戏：毕设论文的修文

#### 04-01 尝试完成train代码，pyadda下的预训练整合

pyadda下的预训练是可以进行整合的部分，绝大多数的代码都是重复而且冗余的，可以精炼

需要进一步完成trainAdda和classificationAdda。之后全部代码部分整合完成。（后续再抽时间进行验证

pytorch中的代码数据写在最后的数据展示中，全部数据已经运行完成。

#### 04-08 

完成tf下的classification

### 04-12

完成tf下的全部代码，整理碎片化严重的pytorch代码，或者直接贴入也可以