pytorch classification

Pytorch分類

CIFAR-10/100およびPytorchを使用したImagenetの分類。

特徴

• さまざまなネットワークアーキテクチャ用の統一インターフェイス
• マルチGPUサポート
• 豊富な情報で進行状況バーをトレーニングします
• トレーニングログおよびトレーニング曲線視覚化コード（ ./utils/logger.pyを参照）

インストール

• Pytorchをインストールします
• 再帰的にクローン

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

トレーニング

モデルのトレーニング方法については、トレーニングレシピをご覧ください。

結果

cifar

CIFAR-10/100ベンチマークのTOP1エラー率が報告されています。異なるランダムシードでモデルをトレーニングするときに、異なる結果が得られる場合があります。パラメーターの数はCIFAR-10データセットで計算されていることに注意してください。

モデル	パラメーション（m）	CIFAR-10（％）	CIFAR-100（％）
alexnet	2.47	22.78	56.13
vgg19_bn	20.04	6.66	28.05
ResNet-1010	1.70	6.11	28.86
Preresnet-1010	1.70	4.94	23.65
WRN-28-10（ドロップ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

シングルクラップ（224x224）検証エラー率が報告されています。

モデル	パラメーション（m）	トップ1エラー（％）	トップ5エラー（％）
Resnet-18	11.69	30.09	10.78
resnext-50（32x4d）	25.03	22.6	6.29

前処理されたモデル

トレーニングされたモデルとトレーニングログは、OneDriveでダウンロードできます。

サポートされているアーキテクチャ

CIFAR-10 / CIFAR-100

CIFARデータセットの画像のサイズは32x32であるため、ImagENETの一般的なネットワーク構造は、この入力サイズを適応させるためにいくつかの変更が必要です。変更されたモデルはパッケージmodels.cifarにあります。cifar：

• alexnet
• VGG（Pytorch-Cifarからインポート）
• resnet
• 事前resnet
• resnext（resnext.pytorchからインポート）
• 広い残留ネットワーク（wideresnet-pytorchからインポート）
• デンセン

Imagenet

• torchvision.modelsのすべてのモデル（Alexnet、VGG、Resnet、Densenet、Inception_v3、Squezenet）
• snnext
• 広い残留ネットワーク

貢献する

バグが見つかった場合、または貢献したい場合は、Pullリクエストを自由に作成してください（たとえば、より多くのデータセットやより多くのネットワーク構造）。