senet.pytorch 다운로드 senet.pytorch 소스 코드 다운로드

senet.pytorch

파이썬

To attach weight

다운로드

senet.pytorch

ILSVRC 2017 Classification Competition의 우승자 인 Jie Hu, Li Shen 및 Gang Sun이 Squeeze and Excitation Networks 에서 제안한 Senet의 구현.

이제 Se-Resnet (18, 34, 50, 101, 152/20, 32) 및 SE- 인식 -V3가 구현됩니다.

python cifar.py CIFAR10 데이터 세트로 SE-RESNET20을 실행합니다.
python imagenet.py 및 python -m torch.distributed.launch --nproc_per_node=${NUM_GPUS} imagenet.py imageNet (2012) DataSet, DataSet,
- ~/.torch/data 에서 직접 데이터 세트를 준비하거나 Enviroment 변수 IMAGENET_ROOT=${PATH_TO_YOUR_IMAGENET} 설정해야합니다.
- 먼저 파일을 다운로드 한 다음 명령어를 따르십시오.
- 근로자 수와 일부 하이퍼 매개 변수는 고정되어 있으므로 필요한 경우 확인하고 변경하십시오.
- 이 스크립트는 사용 가능한 모든 GPU를 사용합니다. GPU를 지정하려면 CUDA_VISIBLE_DEVICES 변수를 사용하십시오. (예 : CUDA_VISIBLE_DEVICES=1,2 gpu 1 및 2를 사용하려면)

Se-Inception-V3의 경우 입력 크기는 원래 시작으로 299x299 여야합니다.

사전 요구 사항

코드베이스는 다음 설정에서 테스트됩니다.

파이썬> = 3.8
Pytorch> = 1.6.0
Torchvision> = 0.7

훈련을 위해

cifar.py 또는 imagenet.py 실행하려면 필요합니다

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

바퀴통

torch.hub 를 통해 일부 SE-Resnet ( se_resnet{20, 56, 50, 101} )을 사용할 수 있습니다.

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

또한 사전에 사전에 SE-RESNET50 모델을 사용할 수 있습니다.

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

결과

SE-RESNET20/CIFAR10

 python cifar.py [--baseline]

CIFAR-10 데이터 세트는 ~/.torch/data 에 걸릴 것으로 예상됩니다.

	RESNET20	SE-RESNET20 (감소 4 또는 8)
맥스. 테스트 정확도	92%	93%

SE-RESNET50/IMAGENET

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

옵션 [-m ...]은 분산 교육을위한 것입니다. ImageNet 데이터 세트는 ~/.torch/data 에 미치거나 IMAGENET_ROOT=${PATH_TO_IMAGENET} 로 지정 될 것으로 예상됩니다.

초기 학습 속도와 미니 배치 크기는 계산 자원으로 인해 원래 버전과 다릅니다 .

	RESNET	Se-Resnet
맥스. 테스트 정확도 (Top1)	76.15 %(*)	77.06% (**)

(*) : Torchvision의 Resnet-50
(**) : 8 GPU에서 --distributed 설정과 함께 imagenet.py 사용할 때. 무게를 사용할 수 있습니다.

 # !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" ))