Github|如何用TensorFlow實現DenseNet和DenseNet-BC（附源代碼）

文章來源：GitHub 翻譯：張妮娜

用TensorFlow實現DenseNet

有兩種類型的密集連接式卷積神經網路（DenseNets）可用：

• DenseNet - 無瓶頸層

• DenseNet-BC - 有瓶頸層

每個模型可以在以下數據集上測試：

• Cifar10

• Cifar10 +（數據增強）

• Cifar100

• Cifar100 +（數據增強）

• SVHN

可通過殼或源代碼內部來改變多個層、塊、增長率、圖像歸一化和其他訓練參數。

運行示例：

列出所有可用選項：

還有其他一些可以實現方法——也可能是很有用的方法。

引用：

測試運行

對於模型驗證，我初步採用不同的圖像歸一化方法進行各種測試運行。起初在做歸一化時，我們將整個圖像的參數除以256，這比通道歸一化會好一些。 但過後，每個通道的歸一化是固定的，執行狀態看似近乎相同，或者比歸一化分割更好。

近似GeForce GTX TITAN X GM200（12 GB內存）模型的訓練時間：

• DenseNet(k = 12, d = 40) - 17 hrs

• DenseNet-BC(k= 12, d = 100) - 1 day 18 hrs

與原始實現方法的不同之處

現有模型應當使用與原始代碼相同的超參數。如果您發現出一些錯誤，請提出問題。

相關信息

• 模型使用Python 3.4.3+，以及帶有或不帶有CUDA的Python 3.5.2進行測試。

• 模型應當按預期的TensorFlow> = 0.10運行。包括最近對Tensorflow 1.0的支持。

需求文件支持Repo ，故最簡單的安裝方法就是運行pip install -r requirements.txt。

GitHub資源（可點擊原文鏈接跳轉）：ikhlestov/vision_networks

熱門文章推薦

重磅|NVIDIA發布兩款"深度神經網路訓練"開發者產品：DIGITS 5 和 TensorRT

重磅|「薩德」——不怕！我國的人工智慧巡航導彈可破解

重磅|MIT發布腦控機器人:用腦電波（10毫秒分類）糾正機器人錯誤

重磅|谷歌預言：2029年通過納米機器人和器官再造 或將實現人類永生

重磅|Messenger bot錯誤率高達70% Facebook被迫削減AI投資

招聘|騰訊大規模招聘AI開發工程師 年薪30-80W

討論|周志華教授gcForest論文的價值與技術討論（微信群）

最新|李飛飛：人口普查不用上門，谷歌街景加深度學習就搞定（附論文）

最新 | 百度最新「Deep Voice」語音技術 比WaveNet提速 400 倍（譯）

重磅 |Boston Dynamics最新輪式暴跳機器人：身高1.98m 縱跳1.2m（譯）