pytorch classification

Pytorch-Classification

Classificação em CIFAR-10/100 e ImageNet com Pytorch.

Características

• Interface unificada para diferentes arquiteturas de rede
• Suporte multi-GPU
• Barra de progresso de treinamento com informações ricas
• Código de visualização de log de treinamento e curva de treinamento (consulte ./utils/logger.py )

Instalar

• Instale o pytorch
• Clone recursivamente

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

Treinamento

Consulte as receitas de treinamento sobre como treinar os modelos.

Resultados

Cifar

A taxa de erro TOP1 nos benchmarks CIFAR-10/100 são relatados. Você pode obter resultados diferentes ao treinar seus modelos com sementes aleatórias diferentes. Observe que o número de parâmetros é calculado no conjunto de dados CIFAR-10.

Modelo	Params (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
PreRresnet-110	1.70	4.94	23.65
WRN-28-10 (Drop 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

A taxa de erro de validação única (224x224) é relatada.

Modelo	Params (m)	Erro top-1 (%)	Top-5 Erro (%)
Resnet-18	11.69	30.09	10.78
Resnext-50 (32x4d)	25.03	22.6	6.29

Modelos pré -terem sido pretados

Nossos modelos treinados e registros de treinamento podem ser baixados no OneDrive.

Arquiteturas suportadas

CIFAR-10 / CIFAR-100

Como o tamanho das imagens no conjunto de dados CIFAR é 32x32 , as estruturas de rede populares para o ImageNet precisam de algumas modificações para adaptar esse tamanho de entrada. Os modelos modificados estão nos models.cifar de pacotes.cifar:

• Alexnet
• VGG (importado de Pytorch-Cifar)
• Resnet
• Pré-ATC-ACT-RESNET
• Resnext (importado do resnext.pytorch)
• Redes residuais amplas (importadas de WideResnet-Pytorch)
• Densenet

Imagenet

• Todos os modelos em torchvision.models (Alexnet, VGG, Resnet, Densenet, Infception_v3, SqueeZenet)
• Resnext
• Redes residuais amplas

Contribuir

Sinta -se à vontade para criar uma solicitação de tração se encontrar algum bug ou quiser contribuir (por exemplo, mais conjuntos de dados e mais estruturas de rede).