1.提供对densenet实现过程的描述:
想实现一个比较简单的densenet看看效果,就打算用3个block,分别是2,4,6层,growth为32 每个block都是稠密连接, block之间用连接层transition连接,transition由11卷积,22平均池化组成 具体实现见quiz-w7-2-densenetnetsdensenet.py
DenseNet核心思想在于建立了不同层之间的连接关系,充分利用了feature,进一步减轻了梯度消失问题,加深网络不是问题, 而且训练效果非常好。另外,利用bottleneck layer,Translation layer以及较小的growth rate使得网络变窄,参数减少, 有效抑制了过拟合,同时计算量也减少了。DenseNet优点很多,而且在和ResNet的对比中优势还是非常明显的。
2.开始训练模型https://www.tinymind.com/executions/4egw7rxo 在 载入点输入 train_image_classifier.py
训练660次,提示没钱就终止运行了,从log图可以看出loss处于下降状态
3.利用训练好的模型来预测https://www.tinymind.com/executions/4ptbgv6j
在 载入点输入 eval_image_classifier.py来验证 虽然最后运行成功,并有正确率输出,但结果很让人失望
但拥有的点数以用完,还是自己有充了5美元,才跑出的结果