Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

[T4] Comparison: Model A vs Model B table and trade-off discussion

Abierto Apto para principiantes
#75 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
72/100
Tipo de issue
Documentación
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
jupyter-notebook

Línea de trabajo

Abre Comparison.ipynb y examina los resultados guardados de las issues #58 y #65; la tarea exige explícitamente que no haya entrenamiento ni código del modelo. Crea una tabla y un gráfico de barras en figures/compare_AB.png para las métricas indicadas y, a continuación, analiza las ventajas e inconvenientes de las convoluciones estándar y las convoluciones separables en profundidad. La tarea estará terminada cuando la tabla y el análisis estén listos para el informe.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

task-4 ws5-comparison

Assignment task 4 – comparison part. Built only from saved results files, no training and no model code.

File: Comparison.ipynb

Tasks
  • Table: total parameters, model size on disk (KB), training time per epoch, test accuracy (also MACs)
  • Bar chart of the four metrics → figures/compare_AB.png
  • Discuss trade-offs of moving from standard to depthwise-separable convolutions (parameters / MACs vs accuracy vs training time)
Done when

Table and discussion are ready for the report.

Depends on

#58 #65


Branch: feat/75-compare-a-vs-b · open a PR into main with Closes #75 in the description.

Lenguaje dominante
Jupyter Notebook
Estrellas
0
Forks
0
Merge medio
2 h 25 min
PR fusionados (30 d)
16

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

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de VisionForgeCSE/CNN-For-Image-Classification

Todos los issues de VisionForgeCSE/CNN-For-Image-Classification

Issues similares

Más issues de Data Visualization

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.