torch-conv-kan

收录理由

Kolmogorov-Arnold网络用可学习的激活函数替代了固定激活函数，这个仓库把它们的卷积版本集中到了一起。里面提供了基于多种基函数族的1D、2D、3D KAN卷积层，从B样条、勒让德到切比雪夫、格拉姆、小波和伯恩斯坦，方便在熟悉的架构中对比各自表现。仓库还打包了ResNet、DenseNet、VGG和U-Net风格的模型，配合基于accelerate的训练脚本，复现论文里的CIFAR和Tiny ImageNet实验相当直接。另外还附带了ImageNet-1k的预训练权重，能直接看到这些层在大规模数据上的实际效果，而不只是小数据集。如果你在考虑是否把KAN卷积引入视觉流程，这里算是一个比较完整的起点。