【文件属性】：
文件名称：BinaryNet.tf:张量流中的BNN实现
文件大小：12KB
文件格式：ZIP
更新时间：2021-05-14 10:45:55
Python
BinaryNet.tf
用权重和激活限制为+1或-1的深层神经网络进行训练。 在tensorflow中实施（ ）
这是不完整的使用Binary-Backpropagation算法的BinaryNet训练示例，如“二值化神经网络：使用权重和激活限制为+1或-1的深度神经网络，对以下数据集：Cifar10 / 100进行解释。
请注意，在此文件夹中，我尚未实现（但...）基于班次的BN和基于班次的AdaMax（相反，我只是使用普通的BN和Adam）。 同样，我使用确定性二值化方法，并且不应用GLorot＆Bengio 2010的初始化系数。最后，如果SquareHingeLoss使用“ sparse_softmax_cross_entropy_with_logits”损失代替。
该实现基于但是主要思想可以轻松地转移到任何tensorflow包装器中。 我可能会尽快将其更改为kera
【文件预览】：
BinaryNet.tf-master
----models()
--------cifar10.py(893B)
--------alexnet.py(833B)
--------BNN_cifar100.py(1KB)
--------BNN_cifar10.py(1KB)
----data.py(9KB)
----main.py(9KB)
----README.md(1KB)
----nnUtils.py(9KB)
----evaluate.py(4KB)