SENet.mxnet
挤压和激励网络的MXNet实现（ SE-ResNext 18,50,101,152，SE-Resnet，SE-Inception-v4和SE-Inception-Resnet-v2 ）
这是的挤压和激发网络（ SE-ResNext，SE-Resnet，SE-Inception-v4和SE-Inception-Resnet-v2 ）体系结构，如提出的。等al。 他们在SENet中部署了此SE块，并赢得了Imagenet 2017分类任务。
作者的caffe实现可在GitHub的中找到。
这是“挤压和激励”块的图示。
SE-ResNet模块的实现如下：
SE-ResNext 50的实现如下表所示：
此MXNet实现。 我还从了。 顺便说一句，我在最后一个FullyConnected层之前添加了一个辍学层。 对于Inception v4，我从引用了MXnet
2021-09-02 21:23:10
345KB
1
皮托奇·西法尔100
pytorch在cifar100上练习
要求
这是我的实验资料
python3.6
pytorch1.6.0 + cu101
张量板2.2.2（可选）
用法
1.输入目录
$ cd pytorch-cifar100
2.数据集
我将使用来自torchvision的cifar100数据集，因为它更方便，但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例，以作为人们不知道如何编写它的示例。
3.运行tensorbard（可选）
安装张量板
$ pip install tensorboard
$ mkdir runs
Run tensorboard
2021-08-25 21:25:56
45KB
1
def ResNet18():
return ResNet(resnet18_params, BasicBlock)
def ResNet34():
return ResNet(resnet34_params, BasicBlock)
def ResNet50():
return ResNet(resnet50_params, Bottleneck)
def ResNet101():
return ResNet(resnet101_params, Bottleneck)
def ResNet152():
return ResNet(resnet152_params, Bottleneck)
def ResNeXt50_32x4d():
return ResNet(resnext50_32x4d_params, ResNeXtBlock)
def ResNeXt101_32x8d():
return ResNet(resnext101_32x8d_params, ResNeXtBlock)
2021-05-15 21:02:43
12KB
1
ResneXt网络论文
2021-05-10 12:02:03
1.27MB
1
https://github.com/kenshohara/3D-ResNets-PyTorch中的预训练模型，https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M
2021-04-27 21:29:31
369.46MB
1
https://github.com/kenshohara/3D-ResNets-PyTorch中的预训练模型，https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M
2021-04-20 16:25:01
364.81MB
1