pytorch_resnet_cifar10ダウンロードpytorch_resnet_cifar10ソースコードダウンロード

pytorch_resnet_cifar10

パイソン

1.0.0

ダウンロード

PytorchのCIFAR10/CIFAR100の適切なResNet実装

Torchvision Model Zooは、さまざまな最先端のアーキテクチャの実装の数を提供しますが、それらのほとんどはImagenet用に定義および実装されています。通常、他のデータセットで提供されたモデルを使用するのは簡単ですが、いくつかのケースでは手動のセットアップが必要です。

たとえば、CIFAR10にResnetを備えたPytorchリポジトリは、元の論文で説明されているように実装を提供します。 CIFAR10でTorchVisionのモデルを使用するだけの場合、レイヤー数とパラメーターの数が異なるモデルが表示されます。これは、CIFAR10のResNet-Sを元の論文と直接比較する場合は受け入れられません。このレポの目的は、元の論文に記載されているように、CIFAR10のResNet-Sの有効なPytorch実装を提供することです。次のモデルが提供されています。

名前	＃レイヤー	＃params	テストERR（論文）	テストERR（このembr。）
Resnet20	20	0.27m	8.75％	8.27％
resnet32	32	0.46m	7.51％	7.37％
resnet44	44	0.66m	7.17％	6.90％
ResNet56	56	0.85m	6.97％	6.61％
resnet110	110	1.7m	6.43％	6.32％
RESNET1202	1202	19.4m	7.93％	6.18％

この実装は、元の論文の説明と一致し、同等またはより良いテストエラーを伴います。

実行する方法は？

git clone https://github.com/akamaster/pytorch_resnet_cifar10
cd pytorch_resnet_cifar10
chmod +x run.sh && ./run.sh

トレーニングの詳細

私たちの実装は、いくつかの警告で簡単な方法で論文に従います。まず、論文のトレーニングでは、列車データの45K/5Kトレイン/検証の分割を使用し、検証セットのパフォーマンスに基づいて最適なパフォーマンスモデルを選択します。検証テストは実行されません。 Resnetの結果を元の紙に直接比較する必要がある場合は、これを念頭に置いてください。第二に、ResNet1202をトレーニングする場合は、GPUに16GBメモリが必要であることに留意してください。

ダウンロードのための事前に保護されたモデル

Resnet20、8.27％ERR
ResNet32、7.37％ERR
ResNet44、6.90％ERR
ResNet56、6.61％ERR
ResNet110、6.32％ERR
ResNet1202、6.18％ERR

この実装が便利で、このページを引用/言及したい場合は、Bibtexの引用を次に示します。

 @misc { Idelbayev18a ,
  author       = " Yerlan Idelbayev " ,
  title        = " Proper {ResNet} Implementation for {CIFAR10/CIFAR100} in {PyTorch} " ,
  howpublished = " url{https://github.com/akamaster/pytorch_resnet_cifar10} " ,
  note         = " Accessed: 20xx-xx-xx "
}