به منظور استفاده و نصب پیشنیاز ها دستور زیر را اجرا کنید :
bash ./install.sh
برای انجام Train ابتدا لازم است دیتاست CIFAR-10 را از لینک زیر دانلود کنید و آن را از حالت فشرده خارج نمایید:
https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
برای انجام Train از نمونه فایل config موجود در پوشه configs استفاده کنید و آدرس نسبی دیتاست به فایل train.py
را در قسمت dataset_path
قرار دهید. برای انجام Train دستورات زیر را اجرا کنید :
source venv/bin/activate
python train.py --config_path {config_file_path}
ارزیابی روی داده های Test دیتاست CIFAR-10 انجام شده است. (دقت گزارش شده برای هر config میایگین ارزیابی 3 مدل best val از 3 train است)
Model | Initializer | Activation Function | Agmentations | Optimizer | Scheduler | Batch Size | Epochs | Use Bias | Accuracy |
---|---|---|---|---|---|---|---|---|---|
Resnet20 | Kaimaing Uniform | ReLU | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 90.96 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.05) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 90.96 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.1) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 91.29 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.15) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 91.51 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.2) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 91.13 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.25) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 91.15 |
Resnet20 | Kaimaing Uniform | LeakyReLU(0.3) | pad+hflip+crop | SGD momentum=0.9 weight_decay=1e-4 |
MultiStepLR [0.1, 0.01, 0.001] |
128 | 120 | False | 90.74 |