文件名称：convNet.pytorch:使用pytorch进行ConvNet培训
文件大小：66KB
文件格式：ZIP
更新时间：2024-06-12 15:25:08
Python
使用PyTorch的卷积网络 这是针对各种数据集（ImageNet，Cifar10，Cifar100，MNIST）的深度卷积网络的完整训练示例。 可用的模型包括： 'alexnet', 'amoebanet', 'darts', 'densenet', 'googlenet', 'inception_resnet_v2', 'inception_v2', 'mnist', 'mobilenet', 'mobilenet_v2', 'nasnet', 'resnet', 'resnet_se', 'resnet_zi', 'resnet_zi_se', 'resnext', 'resnext_se' 它基于提供了有用的附加信息，例如： 训练除imagenet以外的其他几个数据集 完整记录受过训练的实验 图形化的培训/验证损失和准确性可视化 定义每个模型的预处理和优化方案 分布式培训
【文件预览】：
convNet.pytorch-master
----utils()
----.gitmodules(102B)
----models()
--------vgg.py(3KB)
--------efficientnet.py(9KB)
--------googlenet.py(5KB)
--------evolved.py(10KB)
--------modules()
--------mobilenet_v2.py(6KB)
--------resnext.py(2KB)
--------__init__.py(329B)
--------mobilenet.py(7KB)
--------mnist.py(1KB)
--------inception_resnet_v2.py(9KB)
--------densenet.py(10KB)
--------resnet.py(17KB)
--------alexnet.py(3KB)
--------resnet_zi.py(12KB)
--------inception_v2.py(5KB)
----data.py(8KB)
----.vscode()
--------settings.json(65B)
----main.py(17KB)
----requirements.txt(31B)
----LICENSE(1KB)
----compare_experiments.py(2KB)
----README.md(6KB)
----autoaugment.py(12KB)
----probe.py(9KB)
----evaluate.py(9KB)
----.gitignore(1KB)
----preprocess.py(8KB)
----trainer.py(13KB)