microsoft/Semi-supervised-learning

A Unified Semi-Supervised Learning Codebase (NeurIPS'22)

What it solves

USB (Unified Semi-supervised Learning Benchmark) 提供了一种标准化的方式，用于在不同数据模态下开发、训练和评估半监督学习 (SSL) 算法。它解决了在计算机视觉、自然语言处理和音频分类任务中，难以一致地比较 SSL 方法的问题。

How it works

USB 是一个基于 PyTorch 的 Python 包 (以 semilearn 分发)，实现了广泛基于一致性正则化 (Consistency Regularization) 的 SSL 算法。它提供了一个统一的框架，用户可以使用 YAML 文件指定训练配置，以便在各种数据集上运行现有算法。

Who it’s for

它是为 AI 研究人员和开发者设计的，需要在一个全面、易于扩展的环境中对 SSL 算法进行基准测试或开发新的算法。

Highlights

  • Multi-modal Support: 涵盖 CV、NLP 和 Audio 分类任务。

  • Algorithm Library: 包含 14 种 SSL 算法的实现 (例如 FixMatch, FreeMatch, 和 SoftMatch)。

  • Extensive Benchmarking: 提供 15 种评估任务以确保鲁棒的性能测试。

  • Developer Friendly: 提供 Python 包以快速上手，支持 Docker 以确保环境一致性，并具有清晰的结构，方便使用新算法扩展库。