文件名称:matlab精度检验代码-re510_caffe:re510_caffe
文件大小:1.05MB
文件格式:ZIP
更新时间:2024-06-10 20:52:20
系统开源
matlab精度检验代码[RE510] GTSRB图像分类 测试精度摘要 ./models/shwangnet/logs/test_shwangnet_lr_0.001_weight_decay_0.005.log最佳准确性日志文件以进行验证 使用定制的按类精度( draw_accuracy.py )计算代码,而不是matcaffe。 (TA允许,因为docker环境尚不支持MATLAB) 咖啡网 亚历克斯网 CaffeNet + BatchNorm(ShwangNet) AlexNet + BatchNorm CaffeNet + BatchNorm +辍学率:0.2 87.6% 89.8% 90.0% 88.5% 88.6% I.我的python代码所需的python包 python==2.7 pycaffe lmdb pandas 二。 存储和预处理数据 制作LMDB 将数据存储在<./data/train>和<./data/test> 制作path_test.txt和path_label_train.txt $ python gen_lmdb.py 将LMDB文件存储在./da
【文件预览】:
re510_caffe-master
----.gitignore(99B)
----run_plot.sh(316B)
----mass_distribution_testset.png(16KB)
----draw_accuracy.py(5KB)
----run_convert_imageset_to_lmdb_train.sh(259B)
----parse_alexnet_train_log.sh(148B)
----.travis.yml(2KB)
----make_gtsrb_mean_train.sh(255B)
----.Doxyfile(99KB)
----models()
--------shwangnet()
--------alexnet()
--------caffenet()
--------shwangdrop()
--------alexnetbn()
----mass_distribution_trainset.png(14KB)
----train_shwangnet.sh(153B)
----path_label_train.txt(2.01MB)
----train_alexnetbn.sh(148B)
----run_convert_imageset_to_lmdb_test.sh(251B)
----.github()
--------ISSUE_TEMPLATE.md(1KB)
----draw_train_log.py(3KB)
----caffe()
----make_gtsrb_mean_test_kaist.sh(270B)
----README.md(2KB)
----path_test.txt(452KB)
----plot_training_log.py(7KB)
----parse_alexnetbn_train_log.sh(152B)
----gen_lmdb.py(2KB)
----train_caffenet.sh(150B)
----parse_caffe_train_log.sh(150B)
----run_convert_imageset_to_lmdb_test_kaist.sh(263B)
----train_shwangdrop.sh(155B)
----parse_shwangnet_train_log.sh(152B)
----parse_shwangdrop_train_log.sh(153B)
----make_gtsrb_mean_test.sh(252B)
----path_test_kaist.txt(55B)
----train_alexnet.sh(142B)