continual-learning

收录理由

这个代码库把多种主流持续学习方法集中在一起，从 EWC、SI 到 LwF、A-GEM、iCaRL 以及生成式回放，都给出了 PyTorch 实现。对于想对比不同思路的研究者或学生来说，省去了从头搭建每个方法的功夫，可以直接在统一框架下跑实验。实验部分覆盖了任务增量、域增量和类增量三种经典场景，与作者发表在 Nature Machine Intelligence 上的论文所讨论的区分方式一致。作为那篇论文和 NeurIPS 教程的配套代码，实现细节比较严谨，README 里也写清了运行步骤，方便复现。如果你正在学习或讲授持续学习，这份代码是值得细读和在此基础上做扩展的可靠参考。