- 博客(6)
- 收藏
- 关注
原创 经典cnn论文使用的数据增强(Train/Test time augmentation)和算法配置摘要
稍微总结一下常见的训练时和验证时数据增强(Test time augmentation)技术。https://discuss.pytorch.org/t/test-time-augmentation/8828A. Krizhevsky, I. Sutskever, and G. Hinton. Imagenet classification with deep convolutional neura
2017-10-19 10:20:58 7052
原创 AI challenger 场景分类 PyTorch 测试代码
- 有个比较奇怪的地方是loss和batch_size有关,目前没有仔细研究。 - 另外需要注意places 365 cnn 是采取了保存和加载整个模型的办法,而我自己在用时只保存了权重,因此这里需要先导入pytorch官方的模型。 - 经在验证集上多重的比较,除了loss的问题其他都正常。 - 只是为了测试程序功能,使用了最小的训练量,因此准确率非常低。'''http://blog.csd
2017-10-14 08:15:56 2359 4
原创 AI challenger 场景分类 PyTorch 迁移学习 Places365-CNNs 启动代码
分享个简单的启动代码。'''CHANGES:- imagenet cnns: resnet: http://pytorch.org/docs/master/torchvision/models.html- places 365 cnns: resnet 18, 50: https://github.com/CSAILVision/places365- top3 accuracy: https
2017-10-13 10:28:04 5758 3
原创 TensorFlow全流程样板代码:以ai challenger 场景分类和slim预训练模型为例
# -*- coding: utf-8 -*-"""Created on Wed Sep 20 16:05:02 2017@author: wayneFEELINGS目前原生tf和tfrecord的坑还是挺多的,需要自己写的“通用代码”较多,尤其是input pipeline和训练/验证的【流程控制和监控准确率】等已经在最新的1.3版本中引入了datasets,未来的1.4版本特性参见ht
2017-10-12 02:23:25 2461 1
原创 AI challenger 场景分类 tensorflow inception-resnet-v2 LB: 0.94361
模型采用tf-slim在imagenet上训练的inception-resnet-v2,可以选择训练哪些层,如只重新训练最后一层,或重新训练后面的多层等等。没有采取特殊的数据增强,用的tf-slim默认的inception输入方式。采用如下参数配置线上得分0.94361。 learning_rate=0.0001 batch_size=32 num_epochs=80 具体情况: trai
2017-10-06 04:46:00 2906 7
原创 使用tf-slim的ResNet V1 152和ResNet V2 152预训练模型进行图像分类
本文使用tf-slim的ResNet V1 152和ResNet V2 152预训练模型进行图像分类,并研究slim网络的scope命名等。tf-slim文档不太多,实现过程中多参考官网的源码: https://github.com/tensorflow/models/tree/master/research/slim 注意resnet v2的预处理有点不一样,输入是299而不是224 ResN
2017-10-02 04:25:36 14661 11
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人