Why is the depth_coefficient of efficientnet-b7 defined as 3.1?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- Medio día
- Aptitud para principiantes
- 15/100
- Tipo de issue
- Error
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- python
- Área
- machine-learning
Línea de trabajo
The question concerns the depth_coefficient value of 3.1 for efficientnet-b7 on line 47 of efficientnet_x_builder.py. Start by reading equation (3) of the EfficientNet paper and checking the derivation of Φ from the image size. Done means either a corrected derivation that explains the 3.1 value or a clear reason the current constant is right, posted as a comment on the issue.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
The related code is found on line 47 of efficientnet_x_builder.py. According to equation (3) of the paper, the image size of efficientnet-b7 is 600, so
r=γ^Φ=1.15^Φ=600/224=2.6786
Φ=log(2.6786)/log(1.15)=7.04
then a conclusion can be drawn as
depth_coefficient=d=α^Φ=1.2^7.04=3.6094≠3.1
I have browsed several repos about EfficientNet, which most of them define depth of efficientnet-b7 as 3.1, so I'm not sure if the above derivation is correct. If I'm wrong, what's the correct mathematical derivation?
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 5.3k
- Forks
- 1.7k
- Métricas de merge de PR
- Sin PR fusionados en 30 d
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 tensorflow/tpu
-
Dificultad 2/5 Medio día Aptitud para principiantes 62/100
tensorflow/tpu#3542 ·
-
imagenet_to_gcs.pyAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
tensorflow/tpu#951 · 2 reacciones ·
-
Broken linkAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 70/100
tensorflow/tpu#908 ·
-
Bug in imagenet_to_gcs.pyAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 62/100
tensorflow/tpu#889 · 1 comentario · 1 reacción ·
-
Round filters Comment has typoAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
tensorflow/tpu#582 · 1 comentario ·
Todos los issues de tensorflow/tpu
Issues similares
-
needs-triage
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
flashinfer-ai/flashinfer#9803 ·
Los mantenedores suelen responder en 1 día
-
bug module: rl
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
NVIDIA/Megatron-LM#9644 ·
Los mantenedores suelen responder en 2 días
-
`build_flavor_config_from_local_checkpoint` fails with transformers 5.23.0: pipeline `impl` is now a dotted-path stringPosiblemente ocupada @mlflow-app la tomó hoy. Abiertohas-closing-pr nightly triage: reproduced
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
mlflow/mlflow#28000 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
X-PLUG/MobileAgent#304 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
FluxML/Optimisers.jl#254 ·