GhostNet.pytorch: ImageNet上73.6%的GhostNet 1.0x预训练模型

简介：
GhostNet.pytorch是一款在ImageNet数据集上达到73.6%准确率的轻量级深度学习模型，基于GhostNet 1.0x架构并已进行预训练，适用于图像分类任务。 GhostNet的PyTorch实现如原论文所述重现了GhostNet架构，并在ILSVRC2012基准上进行了预训练。该模型具有5.181百万参数，计算复杂度为140.77 MFLOPs，在前1名和前5名准确率分别为73.636% 和 91.228%。 ```python from ghostnet import ghostnet net = ghostnet() net.load_state_dict(torch.load(pretrained/ghostnet_1x-9c40f966.pth)) ``` 训练策略如下：在8个GPU上使用批处理大小为1024的设置，初始学习率为0.4，权重衰减设为0.00004，辍学率（dropout rate）设定为0.2。BN层中的权重不进行衰减。 我们保持上述设置不变，并采用不同的训练技术进行了消融和扩展实验。在预热阶段，采用了特定的学习策略以优化模型的初始性能表现。