當前位置:
首頁 > 知識 > 用Pytorch 實現的 Capsule Network

用Pytorch 實現的 Capsule Network

本庫用 Pytorch 實現的 Capsule Network 基於以下論文:

Dynamic Routing Between Capsules by Sara Sabour, Nicholas Frosst and Geoffrey Hinton

https://arxiv.org/abs/1710.09829

官方用 TensorFlow 實現的Capsule Network的論文地址如下:

https://arxiv.org/abs/1710.09829

運行

要獲取關於該項目的詳細信息,請運行:

pythonmain.py--hel

重構的圖像與原始圖像對比:

安裝需求

默認的超參數(和論文的類似)

Per-GPU batch_size = 128

Initial learning_rate = 0.001

Exponential lr_decay = 0.96

Number of routing iteration (num_routing) = 3

損失函數超參數(請參閱 loss.py)

Lambda for Margin Loss = 0.5

Scaling factor for reconstruction loss = 0.0005

GPU Speed benchmarks

單個 GeForce GTX 1080Ti - 35.6s per epoch

兩個 GeForce GTX 1080Ti - 35.8s per epoch(twice the batch size -> half the iteration)

Github 地址

https://github.com/danielhavir/capsule-network

NLP 工程師入門實踐班:基於深度學習的自然語言處理

三大模塊,五大應用,手把手快速入門 NLP

海外博士講師,豐富項目經驗

演算法 + 實踐,搭配典型行業應用

隨到隨學,專業社群,講師在線答疑

新人福利

關注 AI 研習社(okweiwu),回復1領取

【超過 1000G 神經網路 / AI / 大數據,教程,論文】

谷歌正式開源 Hinton 膠囊理論代碼,即刻用 TensorFlow 實現吧


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 AI研習社 的精彩文章:

AI科技評論年度巨獻,五大特輯連接學術&產業
詳解深度學習中的 Normalization,不只是 BN

TAG:AI研習社 |