来自 ImageNet 2012 数据集的 Pytorch 模型的预训练 Alexnet 的低验证分数

Question

我正在使用预训练的 AlexNet 网络来验证一些先前的工作。

代码如下：

import os
import torch

import torchvision
import torchvision.datasets as datasets
import torchvision.models as models
import torchvision.transforms as transforms


model = torch.hub.load('pytorch/vision:v0.6.0', 'alexnet', pretrained=True)
model.eval()

batchsize = 50000
workers = 1
dataset_path = 'data/imagenet_2012/'
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
val_data = datasets.ImageFolder(root=os.path.join(dataset_path, 'val'), transform=transforms.Compose( [transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), normalize,]))
val_loader = torch.utils.data.DataLoader(val_data, batch_size=batchsize, num_workers=workers)


batch = next(iter(val_loader))
images, labels = batch

with torch.no_grad():
    output = model(images)


for i in output:
    out_soft = torch.nn.functional.softmax(i, dim=0)
    print(int(torch.argmax(out_soft)))

当我执行此命令并与 ILSVRC2012_validation_ground_truth.txt 进行比较时，我得到的 top-1 准确率仅为 5%。

我做错了什么？

谢谢。

Answer 1

所以，Pytorch/Caffe 有自己的“ground truth”文件，可以从这里获得： https://gist.github.com/ksimonyan/fd8800eeb36e276cd6f9#note

我针对上面link提供的tar文件中的val.txt文件手动测试了Imagenet数据集验证文件夹中的图像以验证顺序。

更新：新的验证准确性基于 link:

中 zip 文件中的 groundtruth

Top_1 = 56.522%

Top_5 = 79.066%

来自 ImageNet 2012 数据集的 Pytorch 模型的预训练 Alexnet 的低验证分数

Low Validation Score on Pretrained Alexnet from Pytorch models for ImageNet 2012 dataset

imagenet

pytorch