ShuffleNet

PyTorch 中的 ShuffleNet

ShuffleNet在 PyTorch 中的實作。 ShuffleNet是一種適用於行動裝置的高效卷積神經網路架構。根據論文，它的表現比 Google 的 MobileNet 略勝一籌。

什麼是ShuffleNet？

簡而言之， ShuffleNet是一種類似 ResNet 的模型，它使用殘差塊（稱為ShuffleUnits ），其主要創新是使用逐點（或 1x1）組卷積，而不是普通的逐點卷積。

用法

克隆儲存庫：

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

使用model.py中定義的模型：

 from model import ShuffleNet

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

表現

在 ImageNet 上進行訓練（使用 PyTorch ImageNet 範例）， groups=3且沒有通道乘數。在測試集上，獲得了62.2% 的top 1 和84.2% 的top 5。之間： groups=3和通道數量的一半（42.8% top 1），且網路具有相同數量的通道但groups=8 （32.4% top 1）。預訓練狀態字典可以在這裡找到，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：使用預設的 ImageNet 設定進行訓練，這實際上與論文中描述的訓練方案不同。等待使用這些設定再次運行（並且groups=8 ）。