EfficientNet.rst

EfficientNet

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

如论文中 3.3 所述，使用遍历搜索来找到 EfficientNet-B1 的 alpha, beta 和 gamma 的最好组合。 搜索空间，Tuner，配置示例如下。

说明

:githublink:`示例代码 <examples/trials/efficientnet>`

1. 将示例代码目录设为当前工作目录。
2. 运行 git clone https://github.com/ultmaster/EfficientNet-PyTorch 来克隆 ultmaster 修改过的版本 。 修改尽可能接近原始的 Tensorflow 版本 （包括 EMA，标记平滑度等等。）；另外添加了代码从 Tuner 获取参数并回调中间和最终结果。 将其 clone 至 EfficientNet-PyTorch；main.py，train_imagenet.sh 等文件会在配置文件中指定的路径。
3. 运行 nnictl create --config config_local.yml``（OpenPAI 可使用 ``config_pai.yml）来找到最好的 EfficientNet-B1。 根据环境来调整训练平台（OpenPAI、本机、远程），batch size。

在 ImageNet 上的训练，可阅读 EfficientNet-PyTorch/train_imagenet.sh。 下载 ImageNet，并参考 PyTorch 格式 来解压，然后将 /mnt/data/imagenet 替换为 ImageNet 的路径。 此文件也是如何将 ImageNet 挂载到 OpenPAI 容器的示例。

结果

下图展示了 acc@1 和 alpha、beta、gamma 之间的关系。