MxNet系列——model_zoo——index
来源:互联网 发布:手机怎么开淘宝直通车 编辑:程序博客网 时间:2024/05/01 23:53
MXNet的模型园地
MXNet 突出了学术论文中报告的最先进模型的快速实现。我们的模型园地(Modle Zoo)包含了完整的模型,Python脚本,预训练的权重和如何进行微调的说明文档。
如何贡献一个预训练的模型 (应包含什么)
提交一个包含下列内容的 Pull 请求:
* Gist 日志
* .json 格式的模型定义文件
* 模型参数文件
* Readme 文件 (细节见下面)
Readme 文件应该包含:
* 模型的位置和访问命令 (wget)。
* 确认你训练的模型满足原始论文中发表的精度。
* 关于如何使用该模型的逐步说明。
* 引用模型参考的任何其它文档或 arxiv 论文。
卷积神经网络
卷积神经网络对于很多图像和视频处理问题来说,是最先进的架构。一些可用的数据库有:
- ImageNet: 100万张图像构成的语料库,分成1000类。
- CIFAR10: 来自10个类别的60,000 张自然图像 (尺寸:32 x 32)。
- PASCAL_VOC: ImageNet的一个带目标边界框的子集。
- UCF101: 来自101个行为类别的13,320 个视频。
- Mini-Places2: Subset of the Places2数据集的子集。包含来自100个场景的 100,000 张图像
- ImageNet 11k
- Places2:Places365-Standard 包含来自365个场景类别的160万张训练图像,它被用来训练卷积神经网络:Places365。验证集中,每一类有50张图像;测试集中,每一类有900张图像。和Places365-Standard的训练集相比, Places365-Challenge的训练集包括620万额外张图像, Places365 challenge 2016 总共大概有800万张训练图像。验证集和测试集与 Places365-Standard 相同。
递归神经网络 (包括LSTMs)
MXNet 支持循环神经网络(recurrent neural networks, RNNs),也支持长短时记忆网络( Long short-term memory, LSTM)和 GRU网络(Gated Recurrent Units)。一些可用的数据集有:
- Penn Treebank (PTB): 文本语料库,大约有100万个单词。词汇量限制在10,000个单词。任务是预测下一个【downstream】单词/字符。
- Shakespeare: 来自莎士比亚作品的复杂文本。
- IMDB reviews: 25,000个视频评论,标签为好/坏。
- Facebook bAbI: 20个问答任务的数据集,每一个有1,000个训练样本。
- Flickr8k, COCO: 带标题/句子的图像。Flickr8k包括 8,092个图像,大约40,000个标注(使用AmazonTurkers标注)。 COCO包含328,000个图像,每一个有5个句子。COCO也包含使用分割算法标记的物体信息。
生成对抗网络(Generative Adversarial Networks)
其它网络模型
MXNet 支持多种模型,不限于经典的CNN和LSTM。包括深度增强学习,线性模型等。下面是一些可用的的数据集和资源:
- Google News: 一个包括300万单词的的文本语料库(为word2vec构建)。
- MovieLens 20M Dataset: 来自2.7万个电影和13.8万个用户的 2000万个评分和46.5万个标签。 Includes tag genome data with 12 million relevance scores across 1,100 tags.
- Atari Video Game Emulator: Stella是一个多平台的 Atari 2600 VCS 仿真器 (GPL)。
0 0
- MxNet系列——model_zoo——index
- MxNet系列——how_to——index
- MxNet系列——get_started——index
- MxNet系列——community——index
- MxNet系列——Windows上安装MxNet
- MxNet系列——Windows上安装MxNet
- MxNet系列——how_to——perf
- MxNet系列——how_to——visualize_graph
- MxNet系列——how_to——torch
- MxNet系列——how_to——smart_device
- MxNet系列——how_to——new_op
- MxNet系列——how_to——multi_devices
- MxNet系列——how_to——model_parallel_lstm
- MxNet系列——how_to——faq
- MxNet系列——how_to——env_var
- MxNet系列——how_to——develop_and_hack
- MxNet系列——how_to——cloud
- MxNet系列——how_to——caffe
- Python高级编程-14设计模式
- spring学习(四)—属性注入的四种方法(通过配置文件)
- 输出由“*”星号组成的等腰三角形(1H)
- centos7解压文件命令(zip)
- 【Ionic+AngularJS 开发】之『个人日常管理』App(一)
- MxNet系列——model_zoo——index
- MongoDB安装与使用体验
- 呱哩哗啦网页操作系统v2.0发布,更优秀的云办公系统,有视频演示
- 子进程 已安装 post-installation 脚本 返回了错误号 1
- Activiti工作流(3)
- 初识ContentProvider(之Uri匹配器)
- 能量项链
- spring-boot
- CentOS 6.5 安装Nginx1.7.8