可视化经典模型的对比实验总结

最新推荐文章于 2023-03-30 22:10:54 发布

疯狂输出的加特林

最新推荐文章于 2023-03-30 22:10:54 发布

阅读量59

点赞数

本文链接：https://blog.csdn.net/qq_29203987/article/details/133042805

版权

可视化经典模型的对比实验总结

环境安装

安装OpenGL

sudo apt-get install -y build-essential  libxmu-dev libgl1-mesa-glx libglu1-mesa-dev libgl1-mesa-dev freeglut3-dev libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev

安装Netron

网页版：https://netron.app/
官方下载：https://github.com/lutzroeder/netron

安装zetane

AlexNet

Alexnet 是一个图像分类模型，其中输入是 1000 个不同类别(例如猫、狗等)之一的图像，输出是 1000 个数字的向量。
输出向量的第i个元素是输入图像属于第i类的概率；因此，输出向量的所有元素之和为 1。
AlexNet 的输入是大小为 224x224 像素的 RGB 图像。

模型设计图

Netron结构图

weights

bias

input (1,3,224,224)

Conv

Feature Maps

ReLU

MaxPool

整体结构图

feature0

feature3

feature6

feature8

feature10

classify

VGG

模型设计图

Netron结构图

整体结构图

feature0

feature2

feature5

feature7

feature10

feature12

feature14

feature17

feature19

feature21

feature24

feature26

feature28

classifier

GoogleNet

模型设计图

Netron网络图

zetane整体结构图

详细可视化
1

分支

m_1

m_2

m_3

m_4

for_epoch 9次

output_merge

end

Inception_v3

也称为 GoogleNetv3，2015 年开始在 Imagenet 上训练的著名 ConvNet。

模型设计图

Netron结构图

zetane整体结构图

conv

分支

m_1

m_2

m_3

m_4

全局图

DenseNet

密集卷积网络(DenseNet)以前馈方式将每一层连接到其他每一层。

网络设计图

Netron网络图

这个部分可以看做是一个基础组件的结构，后面大量嵌套并循环使用

局部图

第一部分

第二部分

第三部分-头

第三部分-尾

第四部分

zetane网络图

SqueezeNet

参数减少 50 倍的 Alexnet 级精度。

网络设计图

Netron网络图

Zetene整体图

细节

features.0

features.3.squeeze

features.3.expand3x3

features.4

features.4.expand1x1

features.5.squeeze

features.5.expand3x3

features.7.squeeze

features.7.expand

features.8.squeeze

features.8.expand

features.9.squeeze

features.10.expand

features.10.squeeze

features.10.expand1x1

features.12.squeeze

features.12.expand.3x3

classifer.1

全局图

output

ShuffleNet

一个针对速度和内存进行了优化的高效 ConvNet，在 Imagenet 上进行了预训练。

所有预训练模型都期望输入图像以相同的方式归一化，即形状为的 3 通道 RGB 图像的小批量(3 x H x W)，其中H和W预计至少为224。必须将图像加载到的范围内，然后使用和[0, 1]进行归一化。`mean = [0.485, 0.456, 0.406]``std = [0.229, 0.224, 0.225]。

网络设计图