在Pytorch中CIFAR10 / CIFAR100的正确ResNet实施
提供了许多最新体系结构的实现,但是,其中大多数是为ImageNet定义和实现的。 通常,在其他数据集上使用提供的模型很简单,但是某些情况下需要手动设置。
例如,很少有带有CIFAR10上ResNets的pytorch存储库提供了如所述的实现。 如果仅在CIFAR10上使用Torchvision的模型,您将获得在层数和参数上有所不同的模型。 如果要直接将CIFAR10上的ResNet-s与原始纸张进行比较,这是不可接受的。 此存储库的目的是为原始文件中所述的CIFAR10提供ResNet-s的有效pytorch实现。 提供以下模型:
名称
#层
#个参数
测试错误(纸)
测试错误(此隐含)
20
27万
8.75%
8.27%
32
46万
7.51%
7.37%
44
66万
7.17%
1