KAN+Resnet项目讲解，融入KAN后指标超越原残差神经网络，学会这个方法融合进任意神经网络

Zeref_:
0.1%其实可以算误差了，直接替换mlp一两层，在大网络里面意义不大。。我也测了fashionmnist等复杂点的场景，区别越来越小。

【回复】很多参数没有调整，但是效果确实很棒了，我也实验了下cifar10数据以及其他数据 目前来看分类任务效果还不错 刚诞生还需要时间不断优化
【回复】回复 @GUANGGUASFS : 把数据集套下就行，遥感图像也是大差不差的，若通道有问题的话将模型中第一个卷积层的in_c改下
【回复】回复 @AI算法工程师01 :up主，想问一下，这个代码要怎么修改成对RSI-CB128数据集进行学习训练
很细的朴臣:
up，想请问将kan+cnn运用在tabular数据上进行二分类或者多分类问题 该怎么改代码呢

【回复】这种数据的话我们一般使用机器学习传统算法来做，用神经网络的话那需要将数据看作一个二维数组，需要添加维度
GUANGGUASFS:
请问这个可以用来进行学习RSI-CB128数据集吗？要跟哪个网络结合呢？

【回复】遥感分类吗，大多都能做，比如resnet、vit等
万物皆可璇:
up这个可以改到图像生成网络中么？求up出一期

【回复】将kan看作mlp的平替更换就行，或者改linear层
梦里的顿河静悄悄:
您好up 用了您给的kan替换mlp 效果的确变好了 想请问一下 这个里面的kan就是原文中的kan嘛，看注释上面写的好像改了一些

【回复】是高效实现的kan，在pykan往下翻能看到对应这块
AI算法工程师01:
各位小伙伴若对项目有疑虑可以提出[doge]

【回复】回复 @我是星用户 : 本身略带正则化的效果，减少模型复杂度，还可以加速模型训练等，BN还是比较常用的
【回复】为什么批量归一化可以防止过拟合？