Deep Coral loss

import torchdef CORAL(source, target):d = source.data.shape[1] #coral公式中的分母部分ns, nt = source.data.shape[0], target.data.shape[0]# source covariancexm = torch.mean(source, 0, keepdim=True) - source #对应着Cs的分子部分xc = xm.t() @ xm/(ns-1)  #对应着Cs的分子部分# target covariancexmt = torch.mean(target, 0, keepdim=True) - target#对应着Ct的分子部分xct = xmt.t() @ xmt/(nt-1)#对应着Ct的分子部分# frobenius norm between source and targetloss = torch.mean(torch.mul((xc - xct), (xc - xct))) #Cs-Ct的点乘loss = loss/(4*d*d)return loss

Coral公式：

只做学习使用，作者也是看了别人进行了学习总结，希望能对你有所帮助。

 故障诊断与python学习

Deep CORAL: Correlation Alignment for Deep Domain Adaptation_gdtop818的博客-CSDN博客