Implement Model B (lightweight, <= 100k parameters)
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- Mezza giornata
- Idoneità per principianti
- 48/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python, pytorch
- Ambito
- machine-learning
Direzione di ricerca
The work goes in src/models.py. Read ModelA and the conv_bn and ds_conv helpers first, since ModelB reuses that structure with depthwise-separable blocks in stages 2-4. Note that #13 and #14 are listed as dependencies and are still open, so confirm ds_conv exists before starting. Done means a (2,3,64,64) input returns shape (2,3) and the trainable parameter count is at or below 100,000.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Same structure as Model A, but stages 2-4 use the depthwise-separable block. First conv stays standard (only 3 input channels).
Files: src/models.py
Tasks
-
class ModelB(nn.Module)usingconv_bnfor stage 1 andds_convfor stages 2-4 - Same GAP + Dropout(0.3) + Dense(64) + Dense(3) head as Model A
Done when
Forward of (2,3,64,64) returns (2,3); trainable parameters <= 100,000 (about 64k).
Depends on
#13 #14
Close with a commit or PR message containing Closes #<this issue>.
- Lingua principale
- Jupyter Notebook
- Stelle
- 0
- Fork
- 0
- Merge medio
- 2h 33m
- PR unite (30g)
- 11
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
-
task-4 ws5-comparison
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
VisionForgeCSE/CNN-For-Image-Classification#75 ·
I maintainer di solito rispondono entro 1 giorno
-
task-5 ws4-efficientnet
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
VisionForgeCSE/CNN-For-Image-Classification#71 ·
I maintainer di solito rispondono entro 1 giorno
-
task-5 ws3-mobilenetv2
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
VisionForgeCSE/CNN-For-Image-Classification#67 ·
I maintainer di solito rispondono entro 1 giorno
-
task-4 ws2-model-b
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
VisionForgeCSE/CNN-For-Image-Classification#64 ·
I maintainer di solito rispondono entro 1 giorno
-
task-4 ws1-model-a
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
VisionForgeCSE/CNN-For-Image-Classification#57 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di VisionForgeCSE/CNN-For-Image-Classification
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
mlr-org/mlr3cmprsk#42 ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
[BUG] CoxPH with strata fails predict_proba after successful fitForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
bot-triaged module: LrScheduler module: optimizer triaged
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
huggingface/peft#3999 ·
I maintainer di solito rispondono entro 1 giorno