文件名称：carrier-of-tricks-for-classification-pytorch:使用pytorch进行图像分类教程的技巧的载体
文件大小：1.74MB
文件格式：ZIP
更新时间：2024-03-28 09:20:23
deep-neural-networks deep-learning pytorch classification pytorch-tutorial
分类火炬的技巧 使用pytorch进行图像分类教程的技巧的载体。 基于使用自定义数据集实现分类代码库。 作者：hoya012 最后更新：2020.08.06 0.实验设置（我使用了1个GTX 1080 Ti GPU！） 0-1。 准备图书馆 pip install - r requirements . txt 0-2。 下载数据集（Kaggle英特尔映像分类） 该数据包含大约25,000张大小为150x150的图像，分布在6个类别中。 {'建筑物'-> 0，'森林'-> 1，'冰川'-> 2，'山'-> 3，'海'-> 4，'街道'-> 5} 0-3。 下载ImageNet预训练的权重（EfficientNet，RegNet） 下载RegNetY-1.6GF和EfficientNet-B2砝码 1.基线培训设置 来自Torchvision.models的ImageNet预训练的R
【文件预览】：
carrier-of-tricks-for-classification-pytorch-master
----learning()
--------smoothing.py(1KB)
--------evaluator.py(3KB)
--------radam.py(4KB)
--------lr_scheduler.py(2KB)
--------mixup.py(2KB)
--------trainer.py(3KB)
--------cutmix.py(1KB)
--------randaug.py(7KB)
----utils.py(7KB)
----main.py(3KB)
----requirements.txt(248B)
----option.py(2KB)
----LICENSE(1KB)
----assets()
--------cosine_warmup.PNG(29KB)
--------efficientnet.PNG(54KB)
--------regnet.PNG(212KB)
--------randaugment.PNG(359KB)
--------cutmix.PNG(192KB)
--------banner.PNG(190KB)
--------radam.PNG(166KB)
--------mixup.PNG(249KB)
--------label_smoothing.PNG(6KB)
--------assemble.PNG(190KB)
--------evonorm.PNG(134KB)
----README.md(11KB)
----network()
--------anynet.py(14KB)
--------regnet.py(3KB)
--------evonorm.py(2KB)
--------efficientnet.py(9KB)
--------resnet.py(8KB)
----gpu_history.sh(4KB)