作者代碼實(shí)現(xiàn)了DANN中MNIST->MNIST-M的轉(zhuǎn)換。
實(shí)驗(yàn)環(huán)境要求：
scipy>=1.1.0
numpy>=1.14.3
matplotlib>=2.1.0
torch>=0.4.1
Pillow>=5.1.0
scikit_learn>=0.19.2
torchvision>=0.2.1
論文中關(guān)于這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，圖形表示如下：
代碼中對(duì)特征提取器，域分類器，類分類器分別定義一個(gè)類。
特征提取器（綠色部分），經(jīng)過兩次卷積，兩次池化，結(jié)果如下：
域分類器經(jīng)過兩個(gè)全連接層。
第一個(gè)全連接層輸入為48*4*4=768，輸出為100，第二個(gè)全連接層輸入為100，輸出為2。
Pytorch中的損失函數(shù)：
CrossEntropyLoss()=log_softmax() + NLLLoss()
log_softmax() ：先做softmax，后做log
NLLLoss(negative log likelihood loss)：最大似然 / log似然代價(jià)函數(shù)， 輸入 是一個(gè)對(duì)數(shù)概率向量和一個(gè)目標(biāo)標(biāo)簽，對(duì)數(shù)概率向量可以是log_softmax()的輸出。
有一篇博客以舉例子并驗(yàn)證的方式形象化的解釋了這個(gè)結(jié)果，博客鏈接如下：
Pytorch中的變量（Variable）
pytorch中的變量有三個(gè)屬性，分別是data表示變量中的具體值， grad表示這個(gè)變量反向傳播的梯度， grad_fn表示是通過什么操作得到這個(gè)變量的例如( 加減乘除、卷積、反置卷積)。
https://blog.csdn.net/qq_41776781/article/details/93967961
關(guān)于變量的介紹，參考的是上面的博客
