推 yiefaung: 你看每層的output shape 08/12 11:14
推 HHMoon: 你看每層的output shape 08/12 16:37
最近都會 follow ㄧ些論文，
前一陣子看到2018年的 shuffleNet v2 也看到有人在 keras 上實現
就在 MNIST 上面玩了一下
http://bit.ly/33o8Bm2
最近剛好在做百日馬拉松的題目
想說用 shuffleNet v2 試著跑看看cifar10得到一個還算可以的準確度 74.5%
( 有用 data argumentation 跟 ReduceLROnPlateau )
隨便調整一下 data argumentation 可以到 75%
http://bit.ly/2ZSzmg6
但我用 PYPI 下載 MixNet 來用
但訓練起來只能拿到不到 50%的準確度 ，完全比亂猜還要差XDDDD
這跟論文結果完全不一樣@@
(應該要表現得比 shuffleNet 還高啊)
http://bit.ly/2ToNUlo
然後我也試過 PYPI 下載的 EfficientNet 一樣慘不忍睹@@
想問問大家，是說這樣的模型不能直接拿來用嗎@@
還是我哪裡有弄錯 ?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.129.15.168 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1565499961.A.E37.html
※ 編輯: sssh (220.129.15.168 臺灣), 08/11/2019 13:09:17