Rethink-BiasVariance-Tradeoff:重新思考神经网络通用化的偏差-方差折衷

时间:2024-06-08 08:08:06
【文件属性】:

文件名称:Rethink-BiasVariance-Tradeoff:重新思考神经网络通用化的偏差-方差折衷

文件大小:734KB

文件格式:ZIP

更新时间:2024-06-08 08:08:06

machinelearning Python

重新思考偏差偏差 这是“重新思考偏见-方差折衷以实现神经网络通用化”的代码。 CIFAR10数据集上的ResNet34的风险,偏倚和方差(25,000个训练样本)。 先决条件 Python 火炬(1.3.1) CUDA 麻木 如何在不同的数据集上训练模型(MSE损失和MSE偏差方差分解)? 有4个文件夹, cifar10 , cifar100 , fmnist和mnist 。 首先cd进入目录。 然后跑 python train.py --trial 2 --arch resnet34 --width 10 --num-epoch 500 --lr-decay 200 --outdir part1 参数: trial :有多少分割,即,如果在cifar10上进行trial=2 ,则训练样本大小为50000/2 = 25000 。 arch :网络架构。 width :网络


【文件预览】:
Rethink-BiasVariance-Tradeoff-master
----images()
--------resnet34_rbv.png(177KB)
--------.DS_Store(6KB)
--------bv_noise.png(285KB)
--------error_noise.png(283KB)
----cifar10()
--------train_ce.py(8KB)
--------train.py(9KB)
--------evaluate_bv_ce.py(8KB)
--------models()
--------utils.py(2KB)
--------evaluate_bv_mse_ood.py(7KB)
--------train_labelnoise.py(9KB)
--------evaluate_bv_mse.py(6KB)
----README.md(5KB)
----mnist()
--------train.py(8KB)
--------models()
--------utils.py(2KB)
----fmnist()
--------train.py(8KB)
--------models()
--------utils.py(2KB)
----cifar100()
--------train_ce.py(8KB)
--------models()
--------utils.py(2KB)

网友评论