Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Add CNNs like ResNets, ConvNeXt, etc.

オープン
  • 何か問題がありますか？
#30 コメント 3 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
5/5
見積もり時間
1週間以上
初心者へのやさしさ
25/100
issue の種類
機能追加
明瞭さ
説明が足りない
活発さ
停滞
技術スタック
python
領域
computer-vision, machine-learning

調査の方向性

ファイル、テスト、エントリポイントは指定されていません。まず、リポジトリに既存の vision-model と SAE のトレーニングパスを確認し、次に ResNet または ConvNeXt のアクティベーションと CIFAR-100 のトレーニングをそれらにどのように組み込めるかを判断してください。完了とするには、実験または実装のスコープが定義され、得られた解釈を評価する方法が必要です。

索引モデルが issue の本文から書いたものです。

説明

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)

主要言語
Python
スター
67
フォーク
12
30日以内にマージされた PR はありません

環境構築

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

Imageomics/saev のほかの issue

Imageomics/saev の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。