UDA：无监督数据增强 非非官方PyTorch实现。 需要对文本数据集进行实验。 任何请求请求将不胜感激。 SVHN，使用AutoAugment的Imagenet的增强策略无法公开获得。 我们使用策略。 大多数代码来自 。 介绍 去做。 跑 $ python train.py -c confs/wresnet28x2.yaml --unsupervised 实验 Cifar10（精简版4k数据集） 复制纸的结果 WResNet 28x2 纸 我们的融合（Top1错误） 我们最好的（To

无监督数据增强 总览 无监督数据增强或UDA是一种半监督学习方法，可在各种语言和视觉任务上实现最新的结果。 仅用20个标记的示例，UDA优于以前在25,000个标记的示例上训练的IMDb的最新技术。 模型 带标签的示例数 错误率 混合增值税（以前的SOTA） 25,000 4.32 伯特 25,000 4.51 UDA 20 4.20 使用CIFAR-10（带有4,000个标记的示例）和SVHN（带有1,000个带标记的示例），可将最新方法的错误率降低30％以上： 模型 C