DANN：Domain adversarial neural network模型的PyTorch实现

---

目录

1. 所需环境 Environment
2. 注意事项 Attention
3. 训练步骤 How2train

所需环境

1. Python3.7
2. PyTorch>=1.7.0+cu110
3. TorchVision>=0.8.1+cu110
4. Numpy==1.19.5
5. CUDA 11.0+

注意事项

1. DANN结构擅于避免模型过学习
2. feature_extractor与domain_classifier模块合并构成域分类器
3. feature_extractor与label_predictor模块合并构成样本分类器
4. 通过输入真实数据与抽象数据，输出基于域分类的dc_loss，用于domain_classifier的反向传递
5. 将真实数据输入样本分类器，将lp_loss作用于feature_extractor,并将lp_loss-dc_loss作用于label_predictor
6. 优化单个分体模型时，将计算合并模型的梯度，需使用detach()或zero_grad()转为常量

训练步骤

1. 默认使用mnist作为真实样本，svhn作为抽象样本
2. 首次运行将自行下载以上两种数据集
3. 运行train.py即可开始训练