请问这个domain adaptation迁移学习的例子中只能加载内置数据集吗？有没有加载自定义数据集的方法代码？

[thucbx99]

可以加载自定义数据集，可以参考此前的issue，实际上在你的任务中完全可以不沿用我们的数据集格式，只需要相应的改写数据集加载过程即可。

[gyr-kdgc]

好的，我后来也找到了，我直接用的ImageList这个类，传入这个类需要的参数，目前可以运行。有个问题就是，以office31数据集为例，它的txt文件中其实已经映射了label，但是ImageList类中的self.class_to_idx属性又重新映射了一下，可能会导致与txt中的映射不一样。这应该不会影响后面的模型训练和评估吧？我看了class_to_idx这个属性，如果我自己不使用的话，这个类的其他方法也没有使用到。

[gyr-kdgc]

可以加载自定义数据集，可以参考此前的issue，实际上在你的任务中完全可以不沿用我们的数据集格式，只需要相应的改写数据集加载过程即可。

还问一下啊，我现在用的是dann，这种迁移方法只适用于源域和目标域的标签都相同是吧？不能迁移分类标签不同的两个数据集

[thucbx99]

好的，我后来也找到了，我直接用的ImageList这个类，传入这个类需要的参数，目前可以运行。有个问题就是，以office31数据集为例，它的txt文件中其实已经映射了label，但是ImageList类中的self.class_to_idx属性又重新映射了一下，可能会导致与txt中的映射不一样。这应该不会影响后面的模型训练和评估吧？我看了class_to_idx这个属性，如果我自己不使用的话，这个类的其他方法也没有使用到。

是的不影响，这里主要是为了分析的时候可以看到class name

[thucbx99]

可以加载自定义数据集，可以参考此前的issue，实际上在你的任务中完全可以不沿用我们的数据集格式，只需要相应的改写数据集加载过程即可。

还问一下啊，我现在用的是dann，这种迁移方法只适用于源域和目标域的标签都相同是吧？不能迁移分类标签不同的两个数据集

也适用于分类标签不同的数据集，因为这里只是做特征层面的拉近，没有显示利用类别的信息。所以这样简单的处理也会有问题，在类别空间不一致的情况下会导致不是同一个类别的拉近，这也是Open-set DA、Partial DA、Uniserval DA等setting解决的问题，算法库中也有一些相应算法的实现

[gyr-kdgc]

可以加载自定义数据集，可以参考此前的issue，实际上在你的任务中完全可以不沿用我们的数据集格式，只需要相应的改写数据集加载过程即可。

还问一下啊，我现在用的是dann，这种迁移方法只适用于源域和目标域的标签都相同是吧？不能迁移分类标签不同的两个数据集

也适用于分类标签不同的数据集，因为这里只是做特征层面的拉近，没有显示利用类别的信息。所以这样简单的处理也会有问题，在类别空间不一致的情况下会导致不是同一个类别的拉近，这也是Open-set DA、Partial DA、Uniserval DA等setting解决的问题，算法库中也有一些相应算法的实现

感谢~，那也就是说目前的examples中的dann代码也仅适用于类别空间一致的数据是吗？因为我看到源码中训练的classifier就是最终使用的模型，且模型的类别空间是源域数据的，跟目标域数据没有关系。如果要迁移不同类别空间的数据，可以使用transfer learn库中的Open-set DA、Partial DA、Uniserval DA算法实现对吧？

[thucbx99]

可以加载自定义数据集，可以参考此前的issue，实际上在你的任务中完全可以不沿用我们的数据集格式，只需要相应的改写数据集加载过程即可。

还问一下啊，我现在用的是dann，这种迁移方法只适用于源域和目标域的标签都相同是吧？不能迁移分类标签不同的两个数据集

也适用于分类标签不同的数据集，因为这里只是做特征层面的拉近，没有显示利用类别的信息。所以这样简单的处理也会有问题，在类别空间不一致的情况下会导致不是同一个类别的拉近，这也是Open-set DA、Partial DA、Uniserval DA等setting解决的问题，算法库中也有一些相应算法的实现

感谢~，那也就是说目前的examples中的dann代码也仅适用于类别空间一致的数据是吗？因为我看到源码中训练的classifier就是最终使用的模型，且模型的类别空间是源域数据的，跟目标域数据没有关系。如果要迁移不同类别空间的数据，可以使用transfer learn库中的Open-set DA、Partial DA、Uniserval DA算法实现对吧？

嗯嗯是的