该存储库提供了CliqueNet的pytorch重新实现,原始纸的网站在。 在此实现中,测试是在CIFAR-10数据集上完成的。
与执行纸质声明有几种不同。
我们使用后激活的conv-bn-relu而不是预激活的bn-relu-conv
我们采用注意力转移和压缩的策略,但没有采用集团内的瓶颈
我们为随机翻转提供了一个简单的数据增强选项
要求
我们的代码基于pytorch的最新版本,请访问以安装最新版本。
用法
要在CIFAR-10上训练单簧管,请参考以下命令:
python main.py [-h] [-batch_size BATCH_SIZE] [-num_epochs NUM_EPOCHS] [-lr LR]
[-clip CLIP] [-disable_cuda] [-augmentation]
[-print_f
2022-12-06 16:17:36
5KB
Python
1