resnet50-binary-0001#

ユースケースと概要説明#

ImageNet でトレーニングされた 1000 クラスの古典的な分類ネットワークです。違いは、ほとんどの畳み込みレイヤーが、XNOR+POPCOUN 演算として実装できるバイナリーレイヤーに置き換えられたことです。入力レイヤー、最終レイヤー、およびショートカット・レイヤーのみが FP32 として保持され、残りのすべての畳み込みレイヤーは BinaryConvolution 畳み込み層に置き換えられます。

仕様#

メトリック

値

画像サイズ

224x224

fp32 conv MFlops

960

bin conv MI1ops

7218

ソース・フレームワーク

PyTorch*

精度#

ImageNet 検証データセットで計算された品質指標の精度は 70.69% です。

メトリック

値

精度上位 1 (ImageNet)

70.69%

入力#

BGR イメージと B, C, H, W 形式の形状 1, 3, 224, 224 を含むブロブです。ここで:

  • B – バッチサイズ

  • C – チャネル数

  • H – 画像の髙さ

  • W – 画像の幅

入力は 0..255 の範囲の BGR と想定されています.

出力#

出力は、形式 B, C の形状 1, 1000 の BLOB です。ここで:

  • B - バッチサイズ

  • C - ロジット形式の各クラスの予測確率

デモの使い方#

このモデルは、Open Model Zoo が提供する次のデモで使用して、その機能を示します: