BinaryNet 项目使用教程

BinaryNet 项目使用教程

BinaryNetTraining Deep Neural Networks with Weights and Activations Constrained to +1 or -1项目地址:https://gitcode.com/gh_mirrors/bi/BinaryNet

1. 项目的目录结构及介绍

BinaryNet 项目的目录结构如下：

BinaryNet/
├── Train-time/
│   ├── Main_BinaryNet_Cifar10.lua
│   ├── Main_BinaryNet_MNIST.lua
│   ├── Main_BinaryNet_SVHN.lua
│   ├── ...
├── Run-time/
│   ├── ...
├── LICENSE.txt
├── README.md

目录结构介绍

• Train-time: 包含用于训练的脚本文件，如 Main_BinaryNet_Cifar10.lua, Main_BinaryNet_MNIST.lua, Main_BinaryNet_SVHN.lua 等。
• Run-time: 包含用于运行时的脚本文件。
• LICENSE.txt: 项目的许可证文件。
• README.md: 项目的说明文档。

2. 项目的启动文件介绍

Main_BinaryNet_Cifar10.lua

这是用于训练 CIFAR-10 数据集的启动文件。主要功能包括：

• 加载模型文件
• 设置学习率、批次大小等参数
• 使用二值化神经网络进行训练

主要参数

• modelsFolder: 模型文件夹路径，默认值为 /Models/。
• networkModel: 模型文件，必须返回有效的网络。
• LR: 学习率，默认值为 0.1。
• batchSize: 批次大小，默认值为 128。
• optimization: 优化方法，默认值为 adam。
• type: 运行类型，默认值为 cuda。

3. 项目的配置文件介绍

配置文件

BinaryNet 项目的配置主要通过命令行参数进行设置，具体参数如下：

• LR: 学习率，默认值为 0.1。
• LRDecay: 学习率衰减，默认值为 0。
• weightDecay: L2 惩罚项，默认值为 1e-4。
• momentum: 动量，默认值为 0.9。
• batchSize: 批次大小，默认值为 128。
• stcNeurons: 是否使用随机二值化神经元，默认值为 true。
• stcWeights: 是否使用随机二值化权重，默认值为 false。
• optimization: 优化方法，默认值为 adam。
• SBN: 是否使用基于移位的批量归一化，默认值为 true。
• runningVal: 是否使用运行时的均值和标准差，默认值为 true。
• epoch: 训练的轮数，默认值为 -1（无限制）。
• threads: 线程数，默认值为 8。
• type: 运行类型，默认值为 cuda。
• devid: 设备 ID，默认值为 1。
• load: 加载现有模型的路径，默认值为 none。

通过这些参数，用户可以灵活地配置训练过程。

BinaryNetTraining Deep Neural Networks with Weights and Activations Constrained to +1 or -1项目地址:https://gitcode.com/gh_mirrors/bi/BinaryNet