pytorch classification

clasificación de pytorch

Clasificación en CIFAR-10/100 e Imagenet con Pytorch.

Características

• Interfaz unificada para diferentes arquitecturas de red
• Soporte multi-GPU
• Barra de progreso de entrenamiento con información rica
• Código de visualización de la curva de entrenamiento y registro de entrenamiento (ver ./utils/logger.py )

Instalar

• Instalar pytorch
• Clon recursivamente

   git clone --recursive https://github.com/bearpaw/pytorch-classification.git
  

Capacitación

Consulte las recetas de capacitación sobre cómo entrenar los modelos.

Resultados

Cifar

Se informan la tasa de error TOP1 en los puntos de referencia CIFAR-10/100. Puede obtener diferentes resultados al entrenar a sus modelos con diferentes semillas aleatorias. Tenga en cuenta que el número de parámetros se calcula en el conjunto de datos CIFAR-10.

Modelo	Parámetros (m)	CIFAR-10 (%)	CIFAR-100 (%)
alexnet	2.47	22.78	56.13
VGG19_BN	20.04	6.66	28.05
Resnet-110	1.70	6.11	28.86
Preresnet-110	1.70	4.94	23.65
WRN-28-10 (caída 0.3)	36.48	3.79	18.14
Resnext-29, 8x64	34.43	3.69	17.38
Resnext-29, 16x64	68.16	3.53	17.30
Densenet-bc (l = 100, k = 12)	0.77	4.54	22.88
Densenet-BC (l = 190, k = 40)	25.62	3.32	17.17

Imagenet

Se informa la tasa de error de validación de un solo cultivo (224x224).

Modelo	Parámetros (m)	Error de Top-1 (%)	Error de los 5 mejores (%)
Resnet-18	11.69	30.09	10.78
Resnext-50 (32x4d)	25.03	22.6	6.29

Modelos previos a la aparición

Nuestros modelos capacitados y registros de capacitación se pueden descargar en OneDrive.

Arquitecturas compatibles

CIFAR-10 / CIFAR-100

Dado que el tamaño de las imágenes en el conjunto de datos CIFAR es de 32x32 , las estructuras de red populares para Imagenet necesitan algunas modificaciones para adaptar este tamaño de entrada. Los modelos modificados se encuentran en los models.cifar de paquete. Cifar:

• Alexnet
• VGG (importado de Pytorch-Cifar)
• Resnet
• Reinicio previo al acto
• Resnext (importado de resnext.pytorch)
• Redes residuales anchas (importadas de WideresNet-Pytorch)
• Densenet

Imagenet

• Todos los modelos en torchvision.models (Alexnet, VGG, Resnet, Densenet, Inception_V3, Squeezenet)
• Resnext
• Redes residuales amplias

Contribuir

No dude en crear una solicitud de extracción si encuentra algún error o desea contribuir (por ejemplo, más conjuntos de datos y más estructuras de red).