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)
推薦閱讀:
※TF Boys (TensorFlow Boys ) 養成記(五):CIFAR10 Model 和 TensorFlow 的四種交叉熵介紹
※Google 開發技術周刊 088 期
※TensorFlow從1到2 | 第五章 非專家莫入!TensorFlow實現CNN
TAG:GitHub | TensorFlow | 图像处理 |