Implement Model A (standard CNN)
@Sandali0726 ya está trabajando en esto.
Desde el 12/10/2026.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 68/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bien especificado
- Estado de actividad
- Activo
- Stack tecnológico
- python, pytorch
- Área
- machine-learning
Línea de trabajo
Trabaja en src/models.py y construye ModelA a partir del helper conv_bn que introduce el issue #12, así que primero comprueba si #12 ya está fusionado. Apila cuatro bloques Conv3x3-BN-ReLU-MaxPool con anchos 32/64/128/256, luego nn.AdaptiveAvgPool2d(1), Dropout(0.3), Dense(64), ReLU y Dense(3). Está terminado cuando una entrada (2,3,64,64) devuelve la forma (2,3) y el número de parámetros entrenables es de unos 405k.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
4 x [Conv3x3-BN-ReLU-MaxPool] with widths 32/64/128/256 -> GAP -> Dropout(0.3) -> Dense(64) -> ReLU -> Dense(3).
Files: src/models.py
Tasks
-
class ModelA(nn.Module)built fromconv_bn - Use
nn.AdaptiveAvgPool2d(1)(GAP) instead of Flatten - Docstring listing the output shape after each stage
Done when
Forward of (2,3,64,64) returns (2,3); about 405k trainable parameters.
Depends on
#12
Close with a commit or PR message containing Closes #<this issue>.
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 0
- Forks
- 0
- Merge medio
- 5 h 32 min
- PR fusionados (30 d)
- 5
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkAbiertoevaluation
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
-
evaluation good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
-
Plot confusion matrixAbiertoevaluation
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
Save training histories to JSONAbiertotraining
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
Optimizer factoryAbiertotraining
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
Todos los issues de VisionForgeCSE/CNN-For-Image-Classification
Issues similares
-
1D intercept of length 1 is accepted as `fix_params` in population GLM with more than 1 unitPosiblemente ocupada @dhvani7014 la tomó hoy. Abiertobug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
flatironinstitute/nemos#642 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
aws/sagemaker-python-sdk#6459 ·
Los mantenedores suelen responder en 2 días
-
good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
GDGBabcockUniversity/english_to_french_neural_machine_translation#22 · 1 comentario ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100