Skip to content

YosefRezazadeh/CIFAR10

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

CIFAR Image Classification

References

  1. https://pytorch.org/tutorials/

Environment setup

به منظور استفاده و نصب پیشنیاز ها دستور زیر را اجرا کنید :

bash ./install.sh

How to use

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}

Evaluation

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

About

Implementation of some famous CNNs in Pytorch

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published