![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分类之PaddleClas
littletomatodonkey
work and life balance
展开
-
PaddleClas-图像分类中的常用移动端系列模型
简介这里主要介绍PaddleClas中已经开源的常用移动端系列模型,PaddleClas的github repo:https://github.com/PaddlePaddle/PaddleClas。PaddleClas中包含了ShuffleNetV2以及MobileNet等移动端系列模型。MobileNet系列在MobileNetV1中,主要是使用了深度可分离卷积去减少计算量,提升精度;在V2中,则是引入了线性瓶颈块以及逆残差模块,防止网络中特征的退化;MolbileNetV3中,也是使用了大原创 2020-06-06 19:43:13 · 1256 阅读 · 0 评论 -
PaddleClas-图像分类中的常用服务器端系列模型
简介这里主要介绍PaddleClas中已经开源的常用系列模型,PaddleClas的github repo:https://github.com/PaddlePaddle/PaddleClas。PaddleClas中包含了ResNet、HRNet、Inception、Res2Net等系列模型,这篇博客主要是介绍其主要系列模型。AlexNet、VGG这些网络其实都属于十分经典的网络,但是由于这些网络最近用的已经越来越少了,因此在这里也没有进行展开。ResNet系列之前的深度神经网络,比如Ale原创 2020-06-06 19:00:39 · 1194 阅读 · 0 评论 -
PaddleClas-图像分类中的8种数据增广方法(cutmix, autoaugment,..)
本文主要来源于PaddleClas这个代码仓库中的数据增广文档:https://github.com/PaddlePaddle/PaddleClas/blob/master/docs/zh_CN/advanced_tutorials/distillation/distillation.md一、数据增广在图像分类任务中,图像数据的增广是一种常用的正则化方法,常用于数据量不足或者模型参数较多的场景。PaddleClas中将对除 ImageNet 分类任务标准数据增广外的8种数据增广方式进行简单的介绍和对.原创 2020-05-26 00:44:09 · 5172 阅读 · 5 评论 -
PaddleClas-图像分类模型TensorRT预测评估
简介在之前介绍分类模型的时候,大家除了比较精度之外,一般还会比较flops和params这两个参数,flops表示计算量,可以间接反映推理速度,params表示参数量,可以反映存储大小。但是有一个问题,flops相同的两个网络,它们的推理速度并不一定是相同的,因为可能有内存拷贝、通道拆分操作等其他差异。因此最好的方法就是直接在机器上预测,统计下耗时。T4 GPU是可用于模型推理的GPU显卡,支持TensorRT、FP32/FP16等多种推理类型,PaddleClas在其文档中给出了T4 GP上不同模型原创 2020-05-17 02:16:36 · 2644 阅读 · 1 评论 -
PaddleClas-SSLD知识蒸馏方法梳理(82.4%ResNet50系列模型养成之路)
简介PaddleClas是PaddlePaddle最近开源的图像分类代码库,里面包括了目前比较常用的分类模型,ResNet、HRNet、DenseNet、ResNeXt等,配置文件里也提供了这些模型的训练脚本,总共大概是117个模型,当然pretrained model权重文件也都给出来了,github地址在这里:https://github.com/PaddlePaddle/PaddleClas模型库其实还是比较丰富,不过里面最吸引人的可能还是ImageNet1k val数据集上**top1 acc原创 2020-05-16 17:38:33 · 3791 阅读 · 5 评论