pytorch/examples

Add Siamese Network example

Open

#645 ouverte le 24 oct. 2019

Voir sur GitHub
 (4 commentaires) (0 réactions) (0 assignés)Python (9 429 forks)batch import
good first issue

Métriques du dépôt

Stars
 (21 634 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

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.

Guide contributeur

Direction de recherche
Tout d'abord, examinez les exemples existants dans le dépôt pytorch/examples, tels que mnist et cifar10, pour comprendre la structure du projet et les conventions de codage. Portez une attention particulière à la manière dont ils gèrent les arguments de ligne de commande, le chargement des jeux de données avec DataLoader et les boucles d'entraînement. Pour le réseau Siamese, implémentez un simple réseau de base CNN, une perte triplet et assurez vous que les données sont traitées correctement. Vérifiez s'il existe des discussions ou des PR connexes dans le dépôt qui abordent cette demande de fonctionnalité.
Stack technique
pythonpytorch
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonPyTorch
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65