如何通过牛年识牛，复现PyramidNet在动物分类中的应用？

本文共计989个文字，预计阅读时间需要4分钟。

相关专题内容，请提供具体问题或主题，我将直接输出不超过100字的简洁答案。

模型细节

由于PyramidNet网络的通道数量是逐模块增加的，它的残差模块在做残差相加的时候就要对通道数量做适配。PyramidNet采取Padding的方式对通道数量做适配，实现细节如图3所示。其中a是通过padding做通道数量适配的示意图，b是通过padding做通道数量适配的等效分解示意图。

PyramidNet网络的另一个实现细节是对残差模块的卷积层、BatchNorm层和ReLU的排列组合进行了有别于ResNet的设计，具体实现可以fork后见代码细节。

论文原文：Deep Pyramidal Residual Networks

参考代码：

LuaTorch的实现

Caffe的实现

PyTorch的实现

数据集介绍

本项目使用10分类的动物数据集进行训练和验证.

该十分类动物数据集，包含dog,horse,elephant,butterfly,chicken,cat,cow,sheep,spider和squirrel。每一分类的图片数量为2k-5k。

文件结构

文件名或文件夹名	功能
PyramidNet.py	金字塔网络模型文件
animal_dataset.py	数据集定义文件
config.py	配置文件
train_val_split.py	训练集验证集划分文件
train_cifar.py	复现论文训练cifar数据集的文件
train.py	模型训练文件
eval.py	模型验证文件