ShuffleNet

PyTorch 中的 ShuffleNet

ShuffleNet在 PyTorch 中的实现。 ShuffleNet是一种适用于移动设备的高效卷积神经网络架构。根据该论文，它的性能比 Google 的 MobileNet 略胜一筹。

什么是ShuffleNet？

简而言之， ShuffleNet是一种类似 ResNet 的模型，它使用残差块（称为ShuffleUnits ），其主要创新是使用逐点（或 1x1）组卷积，而不是普通的逐点卷积。

用法

克隆存储库：

git clone https://github.com/jaxony/ShuffleNet.git

使用model.py中定义的模型：

 from model import ShuffleNet

# running on MNIST
net = ShuffleNet ( num_classes = 10 , in_channels = 1 )

表现

在 ImageNet 上进行训练（使用 PyTorch ImageNet 示例）， groups=3并且没有通道乘数。在测试集上，获得了 62.2% 的 top 1 和 84.2% 的 top 5。不幸的是，这与论文的表 5 无法比较，因为他们没有使用这些设置运行网络，但它介于具有以下设置的网络之间： groups=3和通道数量的一半（42.8% top 1），并且网络具有相同数量的通道但groups=8 （32.4% top 1）。预训练状态字典可以在这里找到，格式如下：

 {
    'epoch': epoch + 1,
    'arch': args.arch,
    'state_dict': model.state_dict(),
    'best_prec1': best_prec1,
    'optimizer' : optimizer.state_dict()
}

注意：使用默认的 ImageNet 设置进行训练，这实际上与论文中描述的训练方案不同。等待使用这些设置再次运行（并且groups=8 ）。