pytorch/examples

Add Siamese Network example

Open

#645 geöffnet am 24. Okt. 2019

Auf GitHub ansehen
 (4 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (9.429 Forks)batch import
good first issue

Repository-Metriken

Stars
 (21.634 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Hi, I want to add an example for Siamese network, since it is one of the popular use cases in ML. I am thinking of implementing it in a way similar to other examples viz. command line arguments to choose which dataset to train, hyperparameters etc. Is there something I need to keep in mind specifically apart from these:

  • Use torchvision's Dataset class and PyTorch's DataLoader class to handle data.
  • Implement a simple CNN as a nn.Module subclass
  • Implement triplet loss
  • Create train and test functions and a main function that calls those 2 methods at each epoch.
  • Report final loss and accuracy

Is this something that is worth adding to the repository.

Contributor Guide

Research-Richtung
Überprüfen Sie zunächst vorhandene Beispiele im pytorch/examples Repository, wie mnist und cifar10, um die Projektstruktur und Codierungskonventionen zu verstehen. Achten Sie darauf, wie sie Befehlszeilenargumente, das Laden von Datensätzen mit DataLoader und Trainingsschleifen handhaben. Implementieren Sie für das Siamese Netzwerk ein einfaches CNN Backbone, Triplet Loss und stellen Sie sicher, dass die Daten korrekt verarbeitet werden. Prüfen Sie, ob es im Repository verwandte Diskussionen oder PRs gibt, die diese Funktionsanfrage behandeln.
Tech Stack
pythonpytorch
Domain
machine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
3-5 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonPyTorch
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
65