产品简介
CIL_Survey 这是一个针对类增量学习（CIL）的代码库，旨在帮助研究者和开发者解决模型在学习新类别时灾难性遗忘旧知识的问题。它集成了16种主流算法，并提供统一评估框架，特别适合机器学习研究者和学生进行实验和比较。
核心功能
- 集成16种类增量学习算法实现
- 提供公平比较的基准评估框架
- 支持CIFAR100和ImageNet数据集
- 包含预训练模型和统一配置文件
- 代码结构清晰，便于扩展和自定义实验
快速开始
- 安装依赖环境，包括torch、torchvision等Python库。
- 从Google Drive或Onedrive下载预训练模型，放置到checkpoints文件夹。
- 准备数据集：CIFAR100自动下载，ImageNet需手动下载文件列表。
- 运行scripts文件夹中的脚本，进行算法评估实验。
界面预览
与其他方案对比
| 对比项 | CIL_Survey | 同类方案 |
|---|---|---|
| 算法覆盖范围 | 集成16种主流类增量学习方法，如EWC、iCaRL等 | 其他代码库通常只实现少数几种方法，覆盖不全 |
| 评估公平性 | 提供内存对齐和内存无关的公平比较框架，避免资源差异导致偏差 | 传统评估方法忽略内存预算影响，可能产生不公平结果 |
适合谁用
- 机器学习研究者：用于类增量学习算法的研究和论文复现。
- 高校学生：学习和实验增量学习方法，完成课程项目或论文。
- 算法开发者：评估和比较不同增量学习算法，开发新方法。
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/LAMDA-CL/CIL_Survey