Resnet34 Cifar10

🚀 timm の ResNet34モデル（CIFAR - 10用）

このモデルはCIFAR - 10データセットで訓練された小型のResNet34モデルです。画像分類タスクに使用でき、テスト精度は0.954です。

🚀 クイックスタート

以下のコードを使用して、モデルを始めることができます。

import detectors
import timm

model = timm.create_model("resnet34_cifar10", pretrained=True)

✨ 主な機能

• 画像分類タスクに特化したResNet34モデル。
• CIFAR - 10データセットで訓練され、高い精度を達成。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションをスキップします。

💻 使用例

基本的な使用法

import detectors
import timm

model = timm.create_model("resnet34_cifar10", pretrained=True)

📚 ドキュメント

訓練データ

訓練データはCIFAR - 10です。

訓練ハイパーパラメータ

• 設定ファイル: scripts/train_configs/cifar10.json
• モデル: resnet34_cifar10
• データセット: cifar10
• バッチサイズ: 128
• エポック数: 300
• 検証頻度: 5
• シード値: 1
• 損失関数: CrossEntropyLoss
• 損失関数の引数: {}
• オプティマイザー: SGD
• 学習率: 0.1
• オプティマイザーの引数: {'momentum': 0.9, 'weight_decay': 0.0005, 'nesterov': 'True'}
• スケジューラー: ReduceLROnPlateau
• スケジューラーの引数: {'factor': 0.1, 'patience': 3, 'threshold': 0.001, 'mode': 'max'}
• デバッグモード: False

テストデータ

テストデータはCIFAR - 10です。

🔧 技術詳細

このモデルはCIFAR - 10データセットで訓練されたResNet34アーキテクチャを使用しています。訓練には特定のハイパーパラメータが使用され、最終的に0.954の精度を達成しました。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

このモデルカードはEduardo Dadaltoによって作成されました。