可视化经典模型的对比实验总结

环境安装

安装OpenGL

sudo apt-get install -y build-essential  libxmu-dev libgl1-mesa-glx libglu1-mesa-dev libgl1-mesa-dev freeglut3-dev libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev

安装Netron
网页版：https://netron.app/
官方下载：https://github.com/lutzroeder/netron

安装zetane

AlexNet

Alexnet 是一个图像分类模型，其中输入是 1000 个不同类别（例如猫、狗等）之一的图像，输出是 1000 个数字的向量。
输出向量的第i个元素是输入图像属于第i类的概率；因此，输出向量的所有元素之和为 1。
AlexNet 的输入是大小为 224x224 像素的 RGB 图像。

模型设计图

Netron结构图

weights

bias

input (1,3,224,224)

Conv

Feature Maps

ReLU

MaxPool

整体结构图

feature0

feature3

feature6

feature8

feature10

classify

VGG

模型设计图

Netron结构图

整体结构图

feature0

feature2

feature5

feature7

feature10

feature12

feature14

feature17

feature19

feature21

feature24

feature26

feature28

classifier

GoogleNet

模型设计图

Netron网络图

zetane整体结构图

详细可视化
1

2

3

分支

m_1

m_2

m_3

m_4

for_epoch 9次

output_merge

end

Inception_v3

也称为 GoogleNetv3，2015 年开始在 Imagenet 上训练的著名 ConvNet。

模型设计图

Netron结构图

zetane整体结构图

EfficientNet

EfficientNet-Lite4 用于图像分类。它实现了高精度，并且可以在计算资源有限的移动 CPU（除了 GPU 和 TPU）上运行。输入是大小为 (224 x 224 px) x 3 个通道的 RBG 图像。模型的输出是一个长度为 1000 的数组分数。

参考材料：