pytorch classification

Pytorch-classification

CIFAR-10/100 및 Pytorch와의 Imagenet에 대한 분류.

특징

• 다른 네트워크 아키텍처를위한 통합 인터페이스
• 멀티 GPU 지원
• 풍부한 정보로 진행 상황 바
• 교육 로그 및 교육 곡선 시각화 코드 ( ./utils/logger.py 참조)

설치하다

• Pytorch를 설치하십시오
• 복제 적으로 복제

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

훈련

모델 훈련 방법은 교육 레시피를 참조하십시오.

결과

cifar

CIFAR-10/100 벤치 마크의 Top1 오류율이보고되었습니다. 다른 임의의 시드로 모델을 훈련시 다른 결과를 얻을 수 있습니다. 매개 변수 수는 CIFAR-10 데이터 세트에서 계산됩니다.

모델	매개 변수 (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
PRERESNET-110	1.70	4.94	23.65
WRN-28-10 (드롭 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

단일 크롭 (224x224) 검증 오류율이보고됩니다.

모델	매개 변수 (m)	상위 1 오류 (%)	상단 5 오류 (%)
RESNET-18	11.69	30.09	10.78
Resnext-50 (32x4d)	25.03	22.6	6.29

사전 예방 모델

우리의 훈련 된 모델과 교육 로그는 OneDrive에서 다운로드 할 수 있습니다.

지원되는 아키텍처

CIFAR-10 / CIFAR-100

CIFAR 데이터 세트의 이미지 크기는 32x32 이므로 ImageNet을위한 인기있는 네트워크 구조는이 입력 크기를 조정하려면 약간의 수정이 필요합니다. 수정 된 모델은 패키지 models.cifar 에 있습니다 .cifar :

• Alexnet
• VGG (Pytorch-Cifar에서 가져 오기)
• RESNET
• 사전-resnet
• resnext (resnext.pytorch에서 가져 오기)
• 와이드 잔류 네트워크 (Wideresnet-Pytorch에서 가져 오기)
• Densenet

imagenet

• torchvision.models 의 모든 모델 (Alexnet, VGG, Resnet, Densenet, Inception_v3, Squeezenet)
• Resnext
• 넓은 잔류 네트워크

기여하다

버그를 찾거나 기여하려면 (예 : 더 많은 데이터 세트 및 더 많은 네트워크 구조) 풀 요청을 작성하십시오.