CIFAR和SVHN结果

  1. 加粗表示原论文中该网络的最优结果。
  2. 可以看出DenseNet-BC优于ResNeXt优于DenseNet优于WRN优于FractalNet优于ResNetv2优于ResNet。
  3. ResNeXt-29，8x64d表示29层，ResNeXt分支数为8，每个分支的bottleneck宽度为64。
  4. 这里记录的结果是使用了标准数据增强的test error。
  5. 因为有些论文会拿前人工作的次优结果对比，所以这些结果可能会和一些论文的实验数据有所出入。
网络 网络参数 CIFAR10 CIFAR100 SVHN 备注
ResNet-110 1.7M 6.61
ResNet-110 1.7M 6.41 27.22 2.01 stochastic depth复现的
ResNet-164 1.7M 25.16 resNetv2提中提到的
ResNetv2-164 1.7M 5.46 24.33
ResNetv2-1001 10.2M 4.69 22.68
FractalNet-20 with drop 38.6M 4.60 1.87
FractalNet-40 22.9M 22.49
WRN-40-4 8.9M 4.53 21.18
WRN-16-8 11.0M 4.27 20.43
WRN-28-10 36.5M 4.00 19.25
WRN-28-10 dropout 36.5M 3.89 18.85
WRN-16-4 dropout 1.64
ResNeXt-29，8x64d 34.4M 3.65 17.77
ResNeXt-29，16x64d 68.1M 3.58 17.31
DenseNet-40（k=12） 1.0M 5.24 24.42 1.79
DenseNet-100（k=12） 7.0M 4.10 20.20 1.67
DenseNet-100（k=24） 27.2M 3.74 19.25 1.59
DenseNet-BC-100（k=12） 0.8M 4.51 22.27 1.76
DenseNet-BC-250（k=24） 15.3M 3.62 17.60 1.74
DenseNet-BC-190（k=40） 25.6M 3.46 17.18

CIFAR数据集地址

http://www.cs.toronto.edu/~kriz/cifar.html

CIFAR和SVHN在各CNN论文中的结果的更多相关文章

  1. 【论文翻译】NIN层论文中英对照翻译--（Network In Network）

    [论文翻译]NIN层论文中英对照翻译--(Network In Network) [开始时间]2018.09.27 [完成时间]2018.10.03 [论文翻译]NIN层论文中英对照翻译--(Netw ...

  2. Batch Normalization原理及其TensorFlow实现——为了减少深度神经网络中的internal covariate shift，论文中提出了Batch Normalization算法，首先是对”每一层“的输入做一个Batch Normalization 变换

    批标准化(Bactch Normalization,BN)是为了克服神经网络加深导致难以训练而诞生的,随着神经网络深度加深,训练起来就会越来越困难,收敛速度回很慢,常常会导致梯度弥散问题(Vanish ...

  3. 小白经典CNN论文复现系列（一）：LeNet1989

    小白的经典CNN复现系列(一):LeNet-1989 之前的浙大AI作业的那个系列,因为后面的NLP的东西我最近大概是不会接触到,所以我们先换一个系列开始更新博客,就是现在这个经典的CNN复现啦(｡･ ...

  4. Google关于Spanner的论文中分布式事务的实现

    Google关于Spanner的论文中分布式事务的实现 Google在Spanner相关的论文中详细的解释了Percolator分布式事务的实现方式, 而且用简洁的伪代码示例怎么实现分布式事务; Pe ...

  5. 自然语言处理的CNN模型中几种常见的池化方法

    自然语言处理的CNN模型中几种常见的池化方法 本文是在[1]的基础上进行的二次归纳. 0x00 池化(pooling)的作用   首先,回顾一下NLP中基本的CNN模型的卷积和池化的大致原理[2].f ...

  6. 思考卷积神经网络（CNN）中各种意义

    原文:https://blog.csdn.net/aimreant/article/details/53145063 思考卷积神经网络(CNN)中各种意义 只是知道CNN是不够,我们需要对其进行解剖, ...

  7. KDD 2011 最佳工业论文中机器学习的实践方法-翻译

    作者:黄永刚 Practical machine learning tricks from the KDD 2011 best industry paper 原文链接:http://blog.davi ...

  8. 大汇总 | 一文学会八篇经典CNN论文

    本文主要是回顾一下一些经典的CNN网络的主要贡献. 论文传送门 [google团队] [2014.09]inception v1: https://arxiv.org/pdf/1409.4842.pd ...

  9. Google MapReduce/GFS/BigTable三大技术的论文中译版

    今天查找分布式计算的有关资料,发现Google的三大核心技术MapReduce.GFS和BigTable的论文都已经被翻译成高质量的中文,更巧的是,这三篇中译版的原发地都是CSDN的Blog.其中最新 ...

随机推荐

  1. windows 系统重装之后怎么恢复oracle数据库

    今天单位的服务器系统进不去了,重做了系统,有重要的oracle数据,经理让我恢复一下oracle数据,试着尝试了一下 1.首先,将原来的ORACLE文件夹改名,原来的路径是D:/oracle.我暂时改 ...

  2. 编程之美 set 11 买书问题

    题目 书店搞促销, 同时购买多卷书时, 有机会享受优惠 2本优惠 5%, 3本 10%, 4 本 20% 5 本 25% 设计算法, 求解购买一本书的最低价格 分析 1. 第一个感觉是一次购买的越多省 ...

  3. myForm.js

    根据控件名,重现一些特殊的表单项,生成html var can_submit = true; function myForm($form_id, $id_value, province, city, ...

  4. 指针与C++基本原理

    面向对象编程与传统的过程性编程的区别在于,OOP强调的是在运行阶段(而不是编译阶段)进行决策.运行阶段指的是程序正在运行时,编译阶段指的是编译器将程序组合起来时.运行阶段决策就好比度假时,选择参观那些 ...

  5. ASP.NET操作Excel（终极方法NPOI）

    ASP.NET操作Excel已经是老生长谈的事情了,可下面我说的这个NPOI操作Excel,应该是最好的方案了,没有之一,能够帮助开发者在没有安装微软Office的情况下读写Office 97-200 ...

  6. excel如何将一个工作薄中的工作表生成独立的工作薄

    excel如何将一个工作薄中的工作表生成独立的工作薄  '用vba代码 Sub 另存所有工作表为工作簿() Dim sht As Worksheet Application.ScreenUpdatin ...

  7. SPS读书笔记1——均值比较（T检验，方差检验，非参数检验汇总）

    均值比较.单样本T检验(One-sample Test))目的:检验单个变量的均值与给定的某个常数是否一致.)判断标准:p<0.05;t>1.98即认为是有显著差异的..独立样本T检验(I ...

  8. powerdesigner 修改name时code不修改

    o

  9. Java 数组详解 - 用法、遍历、排序、实用API

    数组,就是相同数据类型的元素按一定顺序排列的集合,就是把有限个类型相同的变量用一个名字命名,然后用编号区分他们的变量的集合,这个名字称为数组名,编号称为下标. 组成数组的各个变量称为数组的分量,也称为 ...

  10. Hibernate中的一对一映射关系

    Hibernate中的一对一映射关系有两种实现方法(单向一对一,和双向一对一)(一对一关系:例如一个department只能有一个manager) 单向和双向有什么区别呢??例如若是单向一对一,比如在 ...