文件名称：Switchable-Normalization:从“通过可切换归一化的不同学习到归一化”的可切换归一化代码，https
文件大小：70.06MB
文件格式：ZIP
更新时间：2024-05-03 07:15:51
pytorch imagenet deeplearning convolutional-neural-networks normalization
可切换归一化 可切换规范化是一种规范化技术，它能够以端到端的方式为深度神经网络中的不同规范化层学习不同的规范化操作。 更新 2019/3/21：发布分布式培训框架和面部识别框架。 我们还发布SyncBN和SyncSN的pytorch实现小批量任务，如分割和检测。 有关SyncBN和SyncSN的更多详细信息，可以参考。 2018/7/27：已发布ResNet50 + SN（8,1）和SN（8,4）的预训练模型。 当目标任务的批处理大小被限制为较小时，这些模型可能会在微调阶段有所帮助。 我们还发布了ResNet101v2 + SN的预训练模型，该模型在ImageNet上达到了78.81％/ 94.16％的top-1 / top-5精度。 更多预训练模型即将发布！ 2018/7/26：用于对象检测的代码已在的存储库中。 2018/7/9：我们想解释SN背后的优点。 请参阅或 。 201
【文件预览】：
Switchable-Normalization-master
----face_recognition()
--------train.py(6KB)
--------models()
--------configs()
--------__init__.py(0B)
--------Evaluation()
--------train.sh(132B)
--------README.md(3KB)
--------data()
----imagenet()
--------train_imagenet.py(11KB)
--------train_val.sh(144B)
--------models()
--------configs()
--------__init__.py(0B)
--------test.sh(146B)
--------README.md(8KB)
----blog_cn()
--------2.jpg(31KB)
--------11.jpg(63KB)
--------8.jpg(36KB)
--------blog_cn.md(25KB)
--------6.jpg(74KB)
--------1.jpg(65KB)
--------4.jpg(57KB)
--------5.jpg(46KB)
--------9.jpg(42KB)
--------blog_cn.html(114KB)
--------10.jpg(47KB)
--------7.jpg(71KB)
--------katex.min.css(21KB)
--------3.jpg(52KB)
----README.md(9KB)
----devkit()
--------ops()
--------core()
--------__init__.py(0B)
--------dataset()
----teaser.png(79KB)