我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

DenseNet

2022-01-25 model:densnet-ubuntu18.04-cuda11.0-cudnn8-python3.8-pytorch1.7.0-new

模型标签
图像分类智慧交通/自动驾驶智慧医疗安防监控情感分析手写数字识别...

模型简介

作为CVPR2017年的Best Paper, DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(Inception)来提升网络性能的定式思维,从特征的角度考虑,通过特征重用和旁路(Bypass)设置,既大幅度减少了网络的参数量,又在一定程度上缓解了gradient vanishing问题的产生.结合信息流和特征复用的假设,DenseNet当之无愧成为2017年计算机视觉顶会的年度最佳论文。 官方网址:https://arxiv.org/abs/1608.06993v5



1. 使用方法

1.1. 模型训练

进入终端,在root/densenet.pytorch(默认)路径下,运行以下命令:

python train.py
# train.py文件中包含训练与测试步骤。如需分开复现,可自行修改文件中的代码
# 训练进度将会保存在args.save文件中

2. 模型来源

https://github.com/bamos/densenet.pytorch