senet.pytorchダウンロードsenet.pytorchソースコードのダウンロード

senet.pytorch

パイソン

To attach weight

ダウンロード

senet.pytorch

ILSVRC 2017分類コンペティションの受賞者であるJie Hu、Li Shen、Gang Sunによって、スクイーズアンドエクスケーションネットワークで提案されたSenetの実装。

現在、Se-Resnet（18、34、50、101、152/20、32）およびSE Inception-V3が実装されています。

python cifar.py 、cifar10データセットでse-resnet20を実行します。
python imagenet.py and python -m torch.distributed.launch --nproc_per_node=${NUM_GPUS} imagenet.py run se -resnet50 with imagenet（2012）データセット、
- ~/.torch/dataでデータセットを自分で準備するか、環境変数IMAGENET_ROOT=${PATH_TO_YOUR_IMAGENET}を設定する必要があります。
- 最初にファイルをダウンロードしてから、命令に従ってください。
- 労働者の数といくつかのハイパーパラメーターは修正されているため、必要に応じて確認して変更してください。
- このスクリプトは、利用可能なすべてのGPUを使用します。 GPUを指定するには、 CUDA_VISIBLE_DEVICES変数を使用します。（例： CUDA_VISIBLE_DEVICES=1,2 gpu 1および2を使用する）

SE-Inception-V3の場合、入力サイズは元の開始として299x299である必要があります。

事前要求

コードベースは、次の設定でテストされています。

Python> = 3.8
pytorch> = 1.6.0
TorchVision> = 0.7

トレーニング用

cifar.pyまたはimagenet.pyを実行するには、必要です

pip install git+https://github.com/moskomule/[email protected]

ハブ

torch.hub経由で、Se-Resnet（ se_resnet{20, 56, 50, 101} ）を使用できます。

 import torch . hub
hub_model = torch . hub . load (
    'moskomule/senet.pytorch' ,
    'se_resnet20' ,
    num_classes = 10 )

また、前提条件のSE-RESNET50モデルが利用可能です。

 import torch . hub
hub_model = torch . hub . load (
    'moskomule/senet.pytorch' ,
    'se_resnet50' ,
    pretrained = True ,)

結果

se-resnet20/cifar10

 python cifar.py [--baseline]

CIFAR-10データセットは~/.torch/dataの下にあると予想されることに注意してください。

	Resnet20	Se-Resnet20（削減4または8）
マックス。テスト精度	92％	93％

se-resnet50/imagenet

 python [-m torch.distributed.launch --nproc_per_node=${NUM_GPUS}] imagenet.py

オプション[-M ...]は分散トレーニング用です。 ImagENETデータセットは~/.torch/data下にあるか、 IMAGENET_ROOT=${PATH_TO_IMAGENET}として指定されると予想されることに注意してください。

初期学習率とミニバッチサイズは、私の計算リソースのため、元のバージョンとは異なります。

	resnet	se-resnet
マックス。テスト精度（TOP1）	76.15％（*）	77.06％（**）

（*）：TorchvisionのResnet-50
（**）：8 GPUで--distributed設定を使用してimagenet.pyを使用する場合。重量が利用可能です。

 # !wget https://github.com/moskomule/senet.pytorch/releases/download/archive/seresnet50-60a8950a85b2b.pkl

senet = se_resnet50 ( num_classes = 1000 )
senet . load_state_dict ( torch . load ( "seresnet50-60a8950a85b2b.pkl" ))