ResNet_Attention: ResNet + 注意力机制
资源描述
本仓库提供了一个名为 ResNet_Attention 的资源文件，该文件结合了 ResNet 和注意力机制（包括 CBAM 和 SE）。该模型主要用于图像分类任务，特别是在 CIFAR10 数据集上的训练和验证。
环境要求
- 操作系统：Ubuntu 20.04
- GPU：GTX 1080Ti
- Python 版本：3.7
- PyTorch 版本：1.7.0
- CUDA 版本：10.2
- CuDNN 版本：7.0
使用方法
训练模型
使用 SE 注意力机制训练
python train_CIFAR10.py --prefix 4 --device 1 --epoch 160 --att_type se
使用 CBAM 注意力机制训练
python train_CIFAR10.py --prefix 5 --device 1 --epoch 160 --att_type cbam
验证结果
在 ResNet50 模型上训练了 160 个 epoch 后，验证结果如下：
- ACC@1 = 93.41%
注意事项
- 请确保在运行训练脚本前，已经正确配置了所需的环境。
- 训练过程中，请根据实际情况调整超参数，如
--epoch和--device。
贡献
欢迎大家提出改进建议或提交 Pull Request，共同完善这个项目。