PyTorch的影响功能 这是ICML2017最佳论文中对影响函数的PyTorch重新实现：Pang Wei Koh和Percy Liang。 参考实现可以在这里找到： 。 乐于助人 路线图 v0.2 v0.3 v0.4 为什么要使用影响函数？ 影响函数可帮助您根据数据集调试深度学习模型的结果。 当测试单个测试图像时，您可以然后计算哪些训练图像在分类结果上具有最大的结果。 因此，您可以轻松地在数据集中找到标签错误的图像，或将数据集稍微压缩为对您的单个测试数据集很重要的最具影响力的图像。 这样可以提高预测准确性，减少训练时间并减少内存需求。 有关更多详细信息，请参见此处链接的原始论文。 当然，只要您有监督学习的问题，影响力功能当然也可以用于图像以外的数据。 要求 Python 3.6或更高版本 PyTorch 1.0或更高版本 NumPy 1.12或更高版本 要运行测试，进一步