matlab批量替换代码-fun-with-fashion-mnist:与FashionMNIST一起玩

matlab批量替换代码时尚-MNIST的乐趣 在此仓库中，有一个目录radim 。 在此目录中，您将找到带有经过训练的模型，日志和张量板文件的experiments目录。 您还将在trn.py和FashionMnistDataset.py文件中找到训练脚本，并在models目录中找到模型定义。 该存储库建立在原始存储库的基础上。 您应该能够在某些合适的Python环境中运行它（例如，使用Python 3.6.7和pytorch 1.1.0）。 在下面，我Swift总结了已实现的想法，结果和一些粗略的复杂性分析。 实施的想法 我实现了三种架构： 全卷积架构 基于MobileNet的架构， 基于DenseNetBC的。 模型定义位于radim/models中的radim/models目录中。 具有这三种架构的定义的文件MobileNet**命名为Classifier** ， MobileNet**和DenseNetBC** 。 MobileNet和DenseNet的最佳结果相近-验证数据集的准确度约为94％。 全卷积网络的最佳验证精度约为。 90％。 在培训期间，尝试了各种增强技术。 有