【文件属性】：
文件名称：TResNet:Pytorch正式实施“ TResNet
文件大小：580KB
文件格式：ZIP
更新时间：2021-03-20 08:07:40
architecture imagenet accuracy multi-label-classification tresnet
TResNet：高性能GPU专用架构
|
官方PyTorch实施
Tal Ridnik，Hussam Lawen，Asaf Noy，Itamar Friedman，Emanuel Ben Baruch，Gilad Sharir阿里巴巴集团DAMO学院
抽象的
近年来开发的许多深度学习模型与ResNet50相比，具有更高的ImageNet精度，并且FLOPS数量更少或相当。尽管FLOP通常被视为网络效率的代理，但在测量实际GPU训练和推理吞吐量时，香草ResNet50通常比其最近的竞争对手要快得多，从而提供了更好的吞吐量精度折衷。在这项工作中，我们介绍了一系列体系结构修改，旨在提高神经网络的准确性，同时保留其GPU训练和推理效率。我们首先演示并讨论由FLOP优化引起的瓶颈。然后，我们建议更好地利用GPU结构和资产的替代设计。最后，我们介绍了一个称为TResNet的GPU专用
【文件预览】：
TResNet-master
----figures()
--------table_6.png(102KB)
--------table_3.png(82KB)
--------table_1.png(99KB)
--------sotabench.png(116KB)
--------table_4.png(69KB)
--------table_5.png(66KB)
--------herbarium_2020.png(42KB)
----INPLACE_ABN_TIPS.md(1KB)
----LICENSE(11KB)
----src()
--------models()
--------helper_functions()
----requirements.txt(86B)
----README.md(19KB)
----MODEL_ZOO.md(1KB)
----infer.py(1KB)