【文件属性】：
文件名称：inplace_abn:就地激活的BatchNorm，用于DNN的内存优化训练
文件大小：149KB
文件格式：ZIP
更新时间：2021-04-06 11:24:05
Python
就地激活的批次标准
就地激活的BatchNorm（InPlace-ABN）是一种新颖的方法，可以减少训练深度网络所需的内存。 通过将BN +非线性激活重新定义为一次就地操作，它可以在现代体系结构（如ResNet，ResNeXt和Wider ResNet）中节省多达50％的内存，同时根据需要智能地丢弃或重新计算中间缓冲区。
该存储库包含InPlace-ABN层的实现，以及一些用于重现本文中报告的ImageNet分类结果的训练脚本。
现在，我们还发布了用于语义分割的推理代码，以及的Mapillary Vistas训练模型。 可以在本页底部找到更多信息。
引文
如果您在研究中使用就地激活的批次标准，请引用：
@inproceedings { rotabulo2017place ,
title = { In-Place Activated BatchNorm for Memory-Opti
【文件预览】：
inplace_abn-master
----MANIFEST.in(33B)
----inplace_abn.png(85KB)
----src()
--------inplace_abn_kernels.cuh(11KB)
--------inplace_abn.cpp(7KB)
--------inplace_abn_cpu.cpp(6KB)
--------inplace_abn_cuda.cu(14KB)
--------utils.cpp(500B)
----scripts()
--------train_imagenet.py(11KB)
--------experiments()
--------models()
--------test_imagenet.py(3KB)
--------modules()
--------requirements.txt(43B)
--------imagenet()
--------test_vistas_single_gpu.py(11KB)
--------dataset()
--------test_vistas.py(2KB)
----requirements.txt(100B)
----CONTRIBUTING.md(697B)
----inplace_abn()
--------functions.py(11KB)
--------__init__.py(183B)
--------group.py(2KB)
--------abn.py(11KB)
--------_backend.pyi(1KB)
----LICENSE(2KB)
----setup.cfg(34B)
----setup.py(2KB)
----README.md(12KB)
----licenses.csv(192B)
----equation.svg(5KB)
----CODE_OF_CONDUCT.md(3KB)
----.gitignore(982B)
----include()
--------dispatch.h(3KB)
--------cuda_utils.cuh(4KB)
--------inplace_abn.h(4KB)
--------checks.h(2KB)
--------utils.h(1KB)