Implement Model A (standard CNN)
@Sandali0726 ci sta già lavorando.
Dal 12/10/2026.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 68/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- python, pytorch
- Ambito
- machine-learning
Direzione di ricerca
Lavora in src/models.py e costruisci ModelA a partire dall'helper conv_bn introdotto dall'issue #12, quindi verifica prima se #12 è stata unita. Impila quattro blocchi Conv3x3-BN-ReLU-MaxPool con larghezze 32/64/128/256, poi nn.AdaptiveAvgPool2d(1), Dropout(0.3), Dense(64), ReLU e Dense(3). È completato quando un input (2,3,64,64) restituisce la forma (2,3) e il numero di parametri addestrabili è di circa 405k.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
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>.
- Lingua principale
- Jupyter Notebook
- Stelle
- 0
- Fork
- 0
- Merge medio
- 5h 32m
- PR unite (30g)
- 5
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
-
evaluation good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Plot confusion matrixApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
training
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
Optimizer factoryApertatraining
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
Tutte le issue di VisionForgeCSE/CNN-For-Image-Classification
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
aws/sagemaker-python-sdk#6495 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
area/tracking bug triage: reproduced
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
mlflow/mlflow#26809 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
-
Questions crashes on a real SQuAD2 no-answer predictionForse già presa @HuaTNA l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno