文件名称：Wide-Residual-Networks:凯拉斯的广泛残留网络
文件大小：122.34MB
文件格式：ZIP
更新时间：2024-05-30 14:39:25
deep-learning keras wide residual-networks Python
凯拉斯的广泛残留网络 从Keras中的广泛残差网络一文中，的实现。 用法 可以通过导入wide_residial_network脚本并使用create_wide_residual_network（）方法来使用它。 可以更改几个参数以增加网络的深度或宽度。 请注意，可以通过以下公式计算层数： nb_layers = 4 + 6 * N 因此，N可以计算为： N = (nb_layers - 4) / 6 import wide_residial_network as wrn ip = Input(shape=(3, 32, 32)) # For CIFAR 10 wrn_28_10 = wrn.create_wide_residual_network(ip, nb_classes=10, N=4, k=10, dropout=0.0, verbose=1) model = Model
【文件预览】：
Wide-Residual-Networks-master
----cifar10_wrn_16_8.py(2KB)
----wide_residual_network.py(6KB)
----README.md(2KB)
----.idea()
--------misc.xml(339B)
--------vcs.xml(180B)
--------markdown-navigator()
--------modules.xml(296B)
--------markdown-navigator.xml(4KB)
----plots()
--------WRN-16-8.png(215KB)
--------WRN-28-8.png(367KB)
--------WRN_28_8 validation curves.png(45KB)
--------Validation curves.png(73KB)
----cifar10_wrn_28_8.py(2KB)
----weights()
--------WRN-16-8 Weights.h5(41.95MB)
--------ADD WEIGHT FILES HERE.md(198B)
--------WRN-28-8 Weights.h5(89.33MB)