rethinking_bottleneck_design_paddlepaddle

目录

• 1. 简介
• 2. 数据集和复现精度
• 3. 准备数据与环境
  • 3.1 准备环境
  • 3.2 准备数据
  • 3.3 准备模型
• 4. 开始使用
  • 4.1 模型评估
  • 4.2 TIPC基础链条测试
• 5. LICENSE
• 6. 参考链接与文献

1. 简介

这是对论文Daquan, Zhou, et al. "Rethinking Bottleneck Structure for Efficient Mobile Network Design."的paddlepaddle复现， 在此非常感谢 zhoudaquan Qibin (Andrew) Hou等人贡献的rethinking_bottleneck_design，提高了本repo复现论文的效率。

• 论文: Daquan, Zhou, et al. "Rethinking Bottleneck Structure for Efficient Mobile Network Design." arXiv preprint arXiv:2007.02269 (2020). [arXiv]

• 论文介绍：

• 作者重新考虑了轻量化网络设计中逆残差网络的设计，考虑到其中的不合理，提出了一种新的sandglass模块，实验证明优于逆残差结构并且能够作为基础模型在结构搜索DARTS中取得进一步的性能提升和模型轻量化。

• 参考repo: rethinking_bottleneck_design

2. 数据集和复现精度和评价指标

repo用到的数据集是imagenet数据集的验证集，具体参见：

• 数据集大小：

• 数据集下载链接：

• 数据格式：

  """

  ├─imgs

  ├──ILSVRC2012_val_00000001.JPEG
  
  ├──ILSVRC2012_val_00000002.JPEG
  

  └─val_list.txt

  """

复现精度：

	环境(env)	精度（acc）	延迟(latency)

3. 准备数据与环境

3.1 准备环境

使用硬件和框架版本等环境的要求如下：

• 硬件：Nvidia Tesla v100 16G x1
• 框架：
  • PaddlePaddle >= 2.3.1

库安装：

• PaddlePaddle：建议参照Paddle官方页面安装，或执行以下命令：

python -m pip install paddlepaddle-gpu==2.3.1 -i https://mirror.baidu.com/pypi/simple

• 其余库：

AI-Studio都有安装，可直接使用。或执行：

pip install -r requirements.txt

3.2 准备数据

可参见2中数据格式，将自定义数据集按照该格式整理即可使用。

3.3 准备模型

• 预训练模型(paddle)：
• 原repo提供的pytorch模型：
• 模型转换：执行`

4. 开始使用

4.1 模型评估

日志：

4.2 TIPC基础链条测试

参见

5. LICENSE

6. 参考链接与文献

• rethinking_bottleneck_design
• Daquan, Zhou, et al. "Rethinking Bottleneck Structure for Efficient Mobile Network Design." arXiv preprint arXiv:2007.02269 (2020). [arXiv]