pytorch classification

classification du pytorch

Classification sur CIFAR-10/100 et ImageNet avec Pytorch.

Caractéristiques

• Interface unifiée pour différentes architectures de réseau
• Support multi-GPU
• Bar de progrès de formation avec des informations riches
• Journal de formation et code de visualisation de la courbe de formation (voir ./utils/logger.py )

Installer

• Installer Pytorch
• Cloner récursivement

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

Entraînement

Veuillez consulter les recettes de formation pour former les modèles.

Résultats

Cifar

Le taux d'erreur TOP1 sur les repères CIFAR-10/100 est signalé. Vous pouvez obtenir des résultats différents lors de la formation de vos modèles avec différentes graines aléatoires. Notez que le nombre de paramètres est calculé sur l'ensemble de données CIFAR-10.

Modèle	Paramètres (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
Préresnet-110	1.70	4.94	23,65
WRN-28-10 (baisse de 0,3)	36.48	3.79	18.14
Resnext-29, 8x64	34.43	3.69	17.38
Resnext-29, 16x64	68.16	3.53	17h30
Denset-bc (l = 100, k = 12)	0,77	4.54	22.88
Densenet-bc (l = 190, k = 40)	25,62	3.32	17.17

Imagenet

Le taux d'erreur de validation à une seule culture (224x224) est signalé.

Modèle	Paramètres (m)	Erreur du top-1 (%)	Erreur du top 5 (%)
RESNET-18	11.69	30.09	10.78
RESNEXT-50 (32x4d)	25.03	22.6	6.29

Modèles pré-entraînés

Nos modèles qualifiés et nos journaux de formation sont téléchargeables sur OneDrive.

Architectures soutenues

CIFAR-10 / CIFAR-100

Étant donné que la taille des images dans l'ensemble de données CIFAR est 32x32 , les structures de réseau populaires pour ImageNet ont besoin de modifications pour adapter cette taille d'entrée. Les modèles modifiés se trouvent dans les models.cifar de package.cifar:

• Alexnet
• VGG (importé de pytorch-cifar)
• Resnet
• Pré-actif
• Resnext (importé de resnext.pytorch)
• Réseaux résiduels larges (importés de plus large-pytorch)
• Denset

Imagenet

• Tous les modèles dans torchvision.models (Alexnet, VGG, Resnet, denseNet, Inception_V3, Squeezenet)
• Resnext
• Réseaux résiduels larges

Contribuer

N'hésitez pas à créer une demande de traction si vous trouvez des bogues ou si vous souhaitez contribuer (par exemple, plus d'ensembles de données et plus de structures de réseau).