文件名称：事实：残差网络的空间自适应计算时间
文件大小：835KB
文件格式：ZIP
更新时间：2024-02-26 22:59:21
tensorflow TensorflowPython
残差网络的空间自适应计算时间 该代码实现了基于残差网络的深度学习架构，该架构可动态调整图像区域的已执行层数。 该体系结构是端到端可训练的，确定性的且与问题无关的。 随附的代码将此应用于CIFAR-10和ImageNet图像分类问题。 它使用TensorFlow和TF-Slim实现。 描述项目的论文： 迈克尔·菲格诺夫（Michael Figurnov），麦克斯韦·D·柯林斯（Maxwell D. 残差网络的空间自适应计算时间。 CVPR 2017 。 图像（带有检测） 思考成本图 建立 安装先决条件： pip install -r requirements.txt # CPU p
【文件预览】：
sact-master
----imagenet_data_provider.py(3KB)
----.gitignore(6B)
----imagenet_data_provider_test.py(2KB)
----act.py(18KB)
----training_utils.py(2KB)
----requirements-gpu.txt(76B)
----imagenet_ponder_map.py(5KB)
----requirements.txt(72B)
----summary_utils.py(8KB)
----imagenet_model.py(7KB)
----external()
--------datasets_imagenet.py(7KB)
--------__init__.py(0B)
--------dataset_utils.py(4KB)
--------download_and_convert_cifar10.py(6KB)
--------datasets_cifar10.py(3KB)
--------inception_preprocessing.py(13KB)
----cifar_data_provider.py(4KB)
----summary_utils_test.py(2KB)
----flopsometer_test.py(3KB)
----cifar_data_provider_test.py(2KB)
----LICENSE(11KB)
----imagenet_model_test.py(5KB)
----imagenet_eval.py(5KB)
----testdata()
--------cifar10()
--------imagenet()
----cifar_model_test.py(5KB)
----squeeze_model.py(3KB)
----utils.py(885B)
----imagenet_train.py(7KB)
----fake_cifar10.py(2KB)
----README.md(6KB)
----resnet_act.py(5KB)
----act_test.py(18KB)
----draw_ponder_maps.py(2KB)
----flopsometer.py(4KB)
----cifar_main.py(10KB)
----fake_imagenet.py(3KB)
----AUTHORS(485B)
----cifar_model.py(5KB)
----pics()
--------22.28_95_ponder.png(6KB)
--------gasworks_ponder.jpg(26KB)
--------cat_colorbar.jpg(11KB)
--------22.28_95_im.jpg(23KB)
--------cat_ponder.jpg(14KB)
--------cat.jpg(14KB)
--------26.75_36_im.jpg(39KB)
--------26.75_36_ponder.png(6KB)
--------gasworks.jpg(89KB)
--------20.92_93_im.jpg(21KB)
--------20.92_93_ponder.png(6KB)
--------export-image-442041.jpg(57KB)
--------export-image-442041-ponder.jpg(62KB)
--------gasworks_colorbar.jpg(20KB)
----imagenet_export.py(3KB)