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~

ShuffleNet V2

2022-02-24 model:shufflenet-ubuntu18.04-cuda11.1.1-cudnn8-python3.8-pytorch1.8.0-new

模型标签
图像分类

模型简介

模型介绍:ShuffleNet V2于2018年在论文《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》中被提出。ShuffleNet V2模型在对图像特征提取方面有一定优势,多用于图像分类。因此,模型采用ImageNet数据集作为模型的训练和测试数据。论文地址:https://arxiv.org/pdf/1807.11164.pdf


  1. 使用方法

  2. 模型来源


1. 使用方法

1.1. 环境配置

在终端,在root/Shufflenet_v2(默认)路径下,运行以下命令:

cd ..
cd ..
# 进入根目录
cp -r /datasets/ImageNet-1000 ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
cp -r modelsets/shufflenet/shufflenet_v2_batch1024_imagenet_20200812-5bf4721e.pth ../../user-data
# 将复现所需的预训练权重文件复制到指定文件夹下

1.2. 模型推断

在终端,进入root/Shufflenet_v2(默认)路径下,运行以下命令:

python inference.py
# 实际标签为211,推断标签为363。可通过不断提高训练的批次(epoch)降低损失率(loss)来提高模型检测的精度。

1.3. 模型训练

在终端,进入root/Shufflenet_v2(默认)路径下,运行以下命令:

python train.py

1.4. 模型测试

在终端,进入root/Shufflenet_v2(默认)路径下,运行以下命令:

python test.py

2. 模型来源

https://github.com/pytorch/vision/tree/main/torchvision/models