166 Star 1K Fork 240

MindSpore / community

 / 详情

【课程作业】基于昇思MindSpore实现MnasNet

TODO
Task-Tracking
创建于  
2022-04-19 18:15

【背景描述】
MnasNet 网络的结构由标准卷积、深度可分离卷积和倒置残差瓶颈块等共同组成,主体结构的排布和 MobileNetv2网络相似。不同的是,MnasNet 网络在部分卷积层中使用5 × 5 的卷积核,加大网络的感受野,提升算法的识别精度;调整深度可分离卷积的通道扩张系数,缩减算法的运行时间; 网络浅层部分的卷积层增加,减少深层部分的卷积层,网络的深度不变。

【命题内容】:
1、基于MindSpore Vision套件实现MnasNet网络模型。

【数据集】:
IMAGENET(需要先注册再下载)

【参考内容】

  1. 论文地址:https://arxiv.org/pdf/1611.05431.pdf
  2. 参考github地址:https://github.com/tensorflow/tpu/tree/master/models/official/mnasnet

【产出标准】

  1. 完成MnasNet的backbone和model接口的编写;
  2. 完成MnasNet 模型训练,验证,推理代码的编写,并能够成功跑通;
  3. 输出精度达标的预训练模型
Input Size Depth Multiplier Top-1 Acc Top-5 Acc Parameters(M) Multi-Adds (M)
224 1.4 77.2 93.5 6.1 591.5
224 1 75.2 92.5 3.9 315
224 0.75 73.3 91.3 2.9 226.7
224 0.5 68.9 88.4 2.1 105.2
224 0.35 64.1 85.1 1.7 63.2
192 1.4 76.1 93.0 6.1 435.1
192 1 74.0 91.6 3.9 232.0
192 0.75 72.1 90.5 2.9 166.9
192 0.5 67.2 87.4 2.1 77.6
192 0.35 62.4 83.8 1.7 46.8
160 1.4 74.8 92.1 6.1 302.8
160 1 72.0 90.5 3.9 161.6
160 0.75 70.1 89.3 2.9 116.4
160 0.5 64.9 85.8 2.1 54.4
160 0.35 52.3 81.5 1.7 32.9
128 1.4 72.5 90.6 6.1 194.5
128 1 69.3 88.9 3.9 104.1
128 0.75 67.0 87.3 2.9 75.0
128 0.5 60.8 83.0 2.1 35.3
128 0.35 54.8 78.1 1.7 21.6
96 1.4 68.6 88.1 6.1 110.3
96 1 64.4 85.8 3.9 59.3
96 0.75 62.1 84.0 2.9 42.9
96 0.5 54.7 78.1 2.1 20.5
96 0.35 49.3 73.4 1.7 12.7

【PR提交地址】
https://gitee.com/mindspore/vision

【答题要求】

  1. 必须使用昇思MindSpore框架,不得引入Pytroch和Tensorflow等第三方AI框架及其库。
  2. 作业提交内容包括精度Benchmark等,格式参考examples/classification/mobilenetv2
  3. 提供该网络模型原论文或者地址提供的所有结构,避免只实现一种结构,并尽可能服用vision套件的API接口。
  4. 代码按照开源的方式上传https://gitee.com/mindspore/vision,边开发边上传,每个PR代码按规则不超过300行。
  5. 基于vision套件实现的网络模型后,提供算法原理+API代码+核心伪代码的ipython案例,详细参考resnet50

评论 (3)

wangzhiyuan 创建了Task-Tracking

Please assign maintainer to check this issue.
请为此issue分配处理人。
@fangwenyi @chengxiaoli

Please add labels (comp or sig), also you can visit https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md to find more.
为了让代码尽快被审核,请您为Pull Request打上 组件(comp)或兴趣组(sig) 标签,打上标签的PR可直接推送给责任人进行审核。
更多的标签可以查看https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md
以组件相关代码提交为例,如果你提交的是data组件代码,你可以这样评论:
//comp/data
当然你也可以邀请data SIG组来审核代码,可以这样写:
//sig/data
另外你还可以给这个PR标记类型,例如是bugfix或者是特性需求:
//kind/bug or //kind/feature
恭喜你,你已经学会了使用命令来打标签,接下来就在下面的评论里打上标签吧!

wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
fangwenyi 负责人设置为ZOMI酱
wangzhiyuan 修改了标题
wangzhiyuan 修改了标题
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述
wangzhiyuan 修改了描述

登录 后才可以发表评论

状态
负责人
项目
里程碑
Pull Requests
关联的 Pull Requests 被合并后可能会关闭此 issue
分支
开始日期   -   截止日期
-
置顶选项
优先级
预计工期 (小时)
参与者(3)
1
https://gitee.com/mindspore/community.git
git@gitee.com:mindspore/community.git
mindspore
community
community

搜索帮助

53164aa7 5694891 3bd8fe86 5694891