CIFAR和SVHN結果

加粗表示原論文中該網絡的最優結果。

可以看出DenseNet-BC優于ResNeXt優于DenseNet優于WRN優于FractalNet優于ResNetv2優于ResNet。

ResNeXt-29，8x64d表示29層，ResNeXt分支數為8，每個分支的bottleneck寬度為64。

這里記錄的結果是使用了標準數據增強的test error。

因為有些論文會拿前人工作的次優結果對比，所以這些結果可能會和一些論文的實驗數據有所出入。

網絡網絡參數CIFAR10CIFAR100SVHN備注

ResNet-110	1.7M	6.61
ResNet-110	1.7M	6.41	27.22	2.01	stochastic depth復現的
ResNet-164	1.7M		25.16		resNetv2提中提到的
ResNetv2-164	1.7M	5.46	24.33
ResNetv2-1001	10.2M	4.69	22.68
FractalNet-20 with drop	38.6M	4.60		1.87
FractalNet-40	22.9M		22.49
WRN-40-4	8.9M	4.53	21.18
WRN-16-8	11.0M	4.27	20.43
WRN-28-10	36.5M	4.00	19.25
WRN-28-10 dropout	36.5M	3.89	18.85
WRN-16-4 dropout				1.64
ResNeXt-29，8x64d	34.4M	3.65	17.77
ResNeXt-29，16x64d	68.1M	3.58	17.31
DenseNet-40（k=12）	1.0M	5.24	24.42	1.79
DenseNet-100（k=12）	7.0M	4.10	20.20	1.67
DenseNet-100（k=24）	27.2M	3.74	19.25	1.59
DenseNet-BC-100（k=12）	0.8M	4.51	22.27	1.76
DenseNet-BC-250（k=24）	15.3M	3.62	17.60	1.74
DenseNet-BC-190（k=40）	25.6M	3.46	17.18

CIFAR數據集地址

http://www.cs.toronto.edu/~kriz/cifar.html

轉載于:https://www.cnblogs.com/liaohuiqiang/p/9692888.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的CIFAR和SVHN在各CNN论文中的结果的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。