Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Add CNNs like ResNets, ConvNeXt, etc.

Abierto
  • ¿Algo no está bien?
#30 3 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
python
Área
computer-vision, machine-learning

Línea de trabajo

No se nombran archivos, pruebas ni puntos de entrada. Empieza revisando las rutas existentes de entrenamiento de modelos de visión y SAE del repositorio, y luego determina cómo encajarían en ellas las activaciones de ResNet o ConvNeXt y el entrenamiento con CIFAR-100. Para darlo por terminado, sería necesario definir el alcance de un experimento o una implementación, junto con una forma de evaluar las interpretaciones resultantes.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

enhancement

Thank the authors and contributors for your novel, inspiring works. These works are well-presented.

Here is my question: I just wondered is there any possibility that SAE can be used to interpret the intermediate layer activations of sheer vision models like ResNet?

Compared to ViT, ResNet activations are far less discriminative, or to put it another way, far simpler. But as the authors found, “SAEs enable systematic observation of learned features, revealing fundamental differences between models”. ResNet should have its own traits, and what would it be like if we use SAE to understand it?

Additionally, I noticed that SAE should be trained on very large scale datasets, but why? If we train SAE only on very small scale datasets, say CIFAR-100, what would it be like?

(I understand that text-modal supervison tends to be important, so this is just a question out of nowhere and general or coarse-grained answers would be fine. Hope it does not look silly :D)

Lenguaje dominante
Python
Estrellas
67
Forks
12
Sin PR fusionados en 30 d

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de Imageomics/saev

Todos los issues de Imageomics/saev

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.