Implementation of Deep Embedded Validation for Domain Adpatation on visda2017 dataset with MCD model

• python3.6
• pytorch 1.2.0
• dixitool
• tqdm
• numpy

在VisDA2017数据集，Maximum Classifier Discrepancy模型上实现DEV模型选择方法，

DEV中的density ratio通过训练一个输出probability scalar的域判别器来计算得到

只是在深度DomainAdaptation模型上 对DEV进行粗略的实现，计算论文中的无偏估计

• 训练出MCD模型，在main.sh里调整超参，把数据集的路径修改为自己的

bash main.sh

• 使用数据集中的validation split和test split训练域判别器，判别器的模型在MCD/models.py中，参考SinGAN中的域判别器，用卷积对3x224x224的图片进行下采样。大概采用这样的方法，但是这个域判别器的效果一般😅

bash train_discriminator.sh

• 用前两步训练的模型，在数据集的validation split上面计算相对于test split的无偏估计

bash DEV.sh