首先冻结OpenAI官方预训练的ViT-B/32版本的CLIP模型中的全部图像层，再利用AdanBelief优化器训练模型，该优化器是Adan优化器和AdaBelief优化器的融合，在Adan优化器中融入"Belief"增强训练模型的泛化性能。

Updated 2 months ago Python

将在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。

Updated 2 months ago Python

冻结ViT-B/32版本的CLIP模型中的全部图像层，用Adan优化器训练模型，训练100个epoch，每隔5个epoch对模型进行保存；完成CLIP模型训练后，运行test_clip.py用测试集中的数据和自定义的提示词对保存的模型进行测试，选取测试精度最好的模型和对应的提示词，运行predict.py文件，选择“min_loss.pth”模型，提交官方系统测试，top1的精度是0.6788。

Updated 2 months ago Python