Kurumi233
Kurumi233
> hello,sir.Extracting the model tar diretory has an error ,do you have the same question? No, I just have an error I metioned above. Are you extracting the tar file...
> thank you,sir.I have solve my question from yours.maybe ,your question can be handled by this: > model = ResNet(ECABottleneck, [3, 4, 6, 3], num_classes=num_classes, k_size=k_size) > if pretrained: >...
这个作者论文里好像有吧，具体计算方法大概是用通道数c除以类别数n，然后看余数 比如512的通道数，200个类 即 512 / 200 = 2 ... 112 于是有112个类别通道数取3，剩余88个类取2
> Hi, thank you for your codes. I have managed to reproduce the results of vgg16 and resnet50 with **dense layers**. However, when I tried to use **linear layer**, the...
确实，我也有相似的结果，仅使用CELoss得到86.1%左右，标准Res50的结果是84.5%，我认为是DenseLayer增加了复杂度。另一方面，在使用pretrained模型时，MCLoss的权重更小，造成的影响更小，可能是调参的问题。MCLoss在trained from scratch的效果是明显的，可视化结果也有一定说服性，虽然涨点不明显，但是他的思想很棒。
- 这个错误看起来是你冻结了模型的参数，比如require_grad=False - 使用resnet可以考虑加一层feature，类似vgg，或者参考论文直接设置模型，本git只是一个参考，你可以直接把loss作用于任何模型，只要输入最后一层feature以及配置好group num