文件名称：快速自动化：PyTorch中“快速自动化”的正式实施
文件大小：989KB
文件格式：ZIP
更新时间：2024-02-26 03:37:47
computer-vision deep-learning cnn pytorch distributed
快速自动增格（在NeurIPS 2019上接受） 中的官方实施。 Fast AutoAugment使用基于密度匹配的更有效的搜索策略来学习增强策略。 快速自动增格将搜索时间缩短了几个数量级，同时保持了可比的性能。 结果 CIFAR-10 / 100 搜索： 3.5 GPU小时（比AutoAugment快1428倍） ，在简化的CIFAR-10上为WResNet-40x2 型号（CIFAR-10） 基准线 剪下 自动扩音 快速自动增强（转移/直接） Wide-ResNet-40-2 5.3 4.1 3.7 3.6 / 3.7 Wide-ResNet-28-10 3.9
【文件预览】：
fast-autoaugment-master
----archive.py(174KB)
----requirements.txt(316B)
----etc()
--------search.jpg(967KB)
----__init__.py(0B)
----LICENSE(1KB)
----README.md(8KB)
----confs()
--------wresnet28x10_svhn.yaml(240B)
--------wresnet28x10_cifar.yaml(245B)
--------efficientnet_b2.yaml(420B)
--------efficientnet_b1.yaml(420B)
--------resnet50_mixup.yaml(281B)
--------resnet50.yaml(254B)
--------resnet200.yaml(255B)
--------efficientnet_b0_condconv.yaml(431B)
--------shake26_2x96d_cifar.yaml(253B)
--------shake26_2x112d_cifar.yaml(254B)
--------efficientnet_b4.yaml(419B)
--------shake26_2x32d_cifar.yaml(253B)
--------efficientnet_b0.yaml(419B)
--------efficientnet_b3.yaml(419B)
--------pyramid272_cifar.yaml(288B)
--------wresnet40x2_cifar.yaml(244B)
----.gitignore(1KB)
----FastAutoAugment()
--------archive.py(174KB)
--------train.py(16KB)
--------tf_port()
--------data.py(16KB)
--------__init__.py(0B)
--------train_dist.py(5KB)
--------search.py(13KB)
--------metrics.py(3KB)
--------safe_shell_exec.py(6KB)
--------lr_scheduler.py(816B)
--------networks()
--------augmentations.py(5KB)
--------aug_mixup.py(1KB)
--------imagenet.py(9KB)
--------common.py(1KB)