mirror of https://github.com/pjreddie/darknet.git
SELU activation and yolo openimages
This commit is contained in:
Joseph Redmon
parent
98e2a7674f
commit
680d3bde19
|
|
@ -0,0 +1,8 @@
|
|||
classes= 601
|
||||
train = /home/pjreddie/data/openimsv4/openimages.train.list
|
||||
#valid = coco_testdev
|
||||
valid = data/coco_val_5k.list
|
||||
names = data/openimages.names
|
||||
backup = /home/pjreddie/backup/
|
||||
eval=coco
|
||||
|
||||
|
|
@ -1,21 +1,25 @@
|
|||
[net]
|
||||
batch=128
|
||||
subdivisions=8
|
||||
batch=1
|
||||
subdivisions=1
|
||||
# Training
|
||||
# batch=128
|
||||
# subdivisions=8
|
||||
|
||||
# Testing
|
||||
batch=1
|
||||
subdivisions=1
|
||||
|
||||
height=256
|
||||
width=256
|
||||
channels=3
|
||||
min_crop=128
|
||||
max_crop=448
|
||||
channels=3
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
|
||||
burn_in=1000
|
||||
learning_rate=0.1
|
||||
policy=poly
|
||||
power=4
|
||||
max_batches=800000
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
|
||||
angle=7
|
||||
hue=.1
|
||||
|
|
@ -24,6 +28,7 @@ exposure=.75
|
|||
aspect=.75
|
||||
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
|
|
|
|||
|
|
@ -1,21 +1,25 @@
|
|||
[net]
|
||||
batch=128
|
||||
subdivisions=16
|
||||
# batch=1
|
||||
# subdivisions=1
|
||||
# Training
|
||||
# batch=128
|
||||
# subdivisions=16
|
||||
|
||||
# Testing
|
||||
batch=1
|
||||
subdivisions=1
|
||||
|
||||
height=256
|
||||
width=256
|
||||
channels=3
|
||||
min_crop=128
|
||||
max_crop=448
|
||||
channels=3
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
|
||||
burn_in=1000
|
||||
learning_rate=0.1
|
||||
policy=poly
|
||||
power=4
|
||||
max_batches=800000
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
|
||||
angle=7
|
||||
hue=.1
|
||||
|
|
|
|||
|
|
@ -1,6 +1,12 @@
|
|||
[net]
|
||||
batch=128
|
||||
subdivisions=4
|
||||
# Training
|
||||
# batch=128
|
||||
# subdivisions=4
|
||||
|
||||
# Testing
|
||||
batch=1
|
||||
subdivisions=1
|
||||
|
||||
height=256
|
||||
width=256
|
||||
channels=3
|
||||
|
|
|
|||
|
|
@ -0,0 +1,789 @@
|
|||
[net]
|
||||
# Testing
|
||||
batch=1
|
||||
subdivisions=1
|
||||
# Training
|
||||
batch=64
|
||||
subdivisions=16
|
||||
width=608
|
||||
height=608
|
||||
channels=3
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
angle=0
|
||||
saturation = 1.5
|
||||
exposure = 1.5
|
||||
hue=.1
|
||||
|
||||
learning_rate=0.001
|
||||
burn_in=5000
|
||||
max_batches = 500200
|
||||
policy=steps
|
||||
steps=400000,450000
|
||||
scales=.1,.1
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=32
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
# Downsample
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=3
|
||||
stride=2
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=32
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
# Downsample
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=3
|
||||
stride=2
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
# Downsample
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=2
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
# Downsample
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=2
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
# Downsample
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=2
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[shortcut]
|
||||
from=-3
|
||||
activation=linear
|
||||
|
||||
######################
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1024
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1024
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1024
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1818
|
||||
activation=linear
|
||||
|
||||
|
||||
[yolo]
|
||||
mask = 6,7,8
|
||||
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||
classes=601
|
||||
num=9
|
||||
jitter=.3
|
||||
ignore_thresh = .7
|
||||
truth_thresh = 1
|
||||
random=1
|
||||
|
||||
|
||||
[route]
|
||||
layers = -4
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[upsample]
|
||||
stride=2
|
||||
|
||||
[route]
|
||||
layers = -1, 61
|
||||
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=512
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=512
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=512
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1818
|
||||
activation=linear
|
||||
|
||||
|
||||
[yolo]
|
||||
mask = 3,4,5
|
||||
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||
classes=601
|
||||
num=9
|
||||
jitter=.3
|
||||
ignore_thresh = .7
|
||||
truth_thresh = 1
|
||||
random=1
|
||||
|
||||
|
||||
|
||||
[route]
|
||||
layers = -4
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[upsample]
|
||||
stride=2
|
||||
|
||||
[route]
|
||||
layers = -1, 36
|
||||
|
||||
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=256
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=256
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
filters=256
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
filters=1818
|
||||
activation=linear
|
||||
|
||||
|
||||
[yolo]
|
||||
mask = 0,1,2
|
||||
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||
classes=601
|
||||
num=9
|
||||
jitter=.3
|
||||
ignore_thresh = .7
|
||||
truth_thresh = 1
|
||||
random=1
|
||||
|
||||
|
|
@ -0,0 +1,601 @@
|
|||
Tortoise
|
||||
Container
|
||||
Magpie
|
||||
Sea turtle
|
||||
Football
|
||||
Ambulance
|
||||
Ladder
|
||||
Toothbrush
|
||||
Syringe
|
||||
Sink
|
||||
Toy
|
||||
Organ
|
||||
Cassette deck
|
||||
Apple
|
||||
Human eye
|
||||
Cosmetics
|
||||
Paddle
|
||||
Snowman
|
||||
Beer
|
||||
Chopsticks
|
||||
Human beard
|
||||
Bird
|
||||
Parking meter
|
||||
Traffic light
|
||||
Croissant
|
||||
Cucumber
|
||||
Radish
|
||||
Towel
|
||||
Doll
|
||||
Skull
|
||||
Washing machine
|
||||
Glove
|
||||
Tick
|
||||
Belt
|
||||
Sunglasses
|
||||
Banjo
|
||||
Cart
|
||||
Ball
|
||||
Backpack
|
||||
Bicycle
|
||||
Home appliance
|
||||
Centipede
|
||||
Boat
|
||||
Surfboard
|
||||
Boot
|
||||
Headphones
|
||||
Hot dog
|
||||
Shorts
|
||||
Fast food
|
||||
Bus
|
||||
Boy
|
||||
Screwdriver
|
||||
Bicycle wheel
|
||||
Barge
|
||||
Laptop
|
||||
Miniskirt
|
||||
Drill
|
||||
Dress
|
||||
Bear
|
||||
Waffle
|
||||
Pancake
|
||||
Brown bear
|
||||
Woodpecker
|
||||
Blue jay
|
||||
Pretzel
|
||||
Bagel
|
||||
Tower
|
||||
Teapot
|
||||
Person
|
||||
Bow and arrow
|
||||
Swimwear
|
||||
Beehive
|
||||
Brassiere
|
||||
Bee
|
||||
Bat
|
||||
Starfish
|
||||
Popcorn
|
||||
Burrito
|
||||
Chainsaw
|
||||
Balloon
|
||||
Wrench
|
||||
Tent
|
||||
Vehicle registration plate
|
||||
Lantern
|
||||
Toaster
|
||||
Flashlight
|
||||
Billboard
|
||||
Tiara
|
||||
Limousine
|
||||
Necklace
|
||||
Carnivore
|
||||
Scissors
|
||||
Stairs
|
||||
Computer keyboard
|
||||
Printer
|
||||
Traffic sign
|
||||
Chair
|
||||
Shirt
|
||||
Poster
|
||||
Cheese
|
||||
Sock
|
||||
Fire hydrant
|
||||
Land vehicle
|
||||
Earrings
|
||||
Tie
|
||||
Watercraft
|
||||
Cabinetry
|
||||
Suitcase
|
||||
Muffin
|
||||
Bidet
|
||||
Snack
|
||||
Snowmobile
|
||||
Clock
|
||||
Medical equipment
|
||||
Cattle
|
||||
Cello
|
||||
Jet ski
|
||||
Camel
|
||||
Coat
|
||||
Suit
|
||||
Desk
|
||||
Cat
|
||||
Bronze sculpture
|
||||
Juice
|
||||
Gondola
|
||||
Beetle
|
||||
Cannon
|
||||
Computer mouse
|
||||
Cookie
|
||||
Office building
|
||||
Fountain
|
||||
Coin
|
||||
Calculator
|
||||
Cocktail
|
||||
Computer monitor
|
||||
Box
|
||||
Stapler
|
||||
Christmas tree
|
||||
Cowboy hat
|
||||
Hiking equipment
|
||||
Studio couch
|
||||
Drum
|
||||
Dessert
|
||||
Wine rack
|
||||
Drink
|
||||
Zucchini
|
||||
Ladle
|
||||
Human mouth
|
||||
Dairy
|
||||
Dice
|
||||
Oven
|
||||
Dinosaur
|
||||
Ratchet
|
||||
Couch
|
||||
Cricket ball
|
||||
Winter melon
|
||||
Spatula
|
||||
Whiteboard
|
||||
Pencil sharpener
|
||||
Door
|
||||
Hat
|
||||
Shower
|
||||
Eraser
|
||||
Fedora
|
||||
Guacamole
|
||||
Dagger
|
||||
Scarf
|
||||
Dolphin
|
||||
Sombrero
|
||||
Tin can
|
||||
Mug
|
||||
Tap
|
||||
Harbor seal
|
||||
Stretcher
|
||||
Can opener
|
||||
Goggles
|
||||
Human body
|
||||
Roller skates
|
||||
Coffee cup
|
||||
Cutting board
|
||||
Blender
|
||||
Plumbing fixture
|
||||
Stop sign
|
||||
Office supplies
|
||||
Volleyball
|
||||
Vase
|
||||
Slow cooker
|
||||
Wardrobe
|
||||
Coffee
|
||||
Whisk
|
||||
Paper towel
|
||||
Personal care
|
||||
Food
|
||||
Sun hat
|
||||
Tree house
|
||||
Flying disc
|
||||
Skirt
|
||||
Gas stove
|
||||
Salt and pepper shakers
|
||||
Mechanical fan
|
||||
Face powder
|
||||
Fax
|
||||
Fruit
|
||||
French fries
|
||||
Nightstand
|
||||
Barrel
|
||||
Kite
|
||||
Tart
|
||||
Treadmill
|
||||
Fox
|
||||
Flag
|
||||
Horn
|
||||
Window blind
|
||||
Human foot
|
||||
Golf cart
|
||||
Jacket
|
||||
Egg
|
||||
Street light
|
||||
Guitar
|
||||
Pillow
|
||||
Human leg
|
||||
Isopod
|
||||
Grape
|
||||
Human ear
|
||||
Power plugs and sockets
|
||||
Panda
|
||||
Giraffe
|
||||
Woman
|
||||
Door handle
|
||||
Rhinoceros
|
||||
Bathtub
|
||||
Goldfish
|
||||
Houseplant
|
||||
Goat
|
||||
Baseball bat
|
||||
Baseball glove
|
||||
Mixing bowl
|
||||
Marine invertebrates
|
||||
Kitchen utensil
|
||||
Light switch
|
||||
House
|
||||
Horse
|
||||
Stationary bicycle
|
||||
Hammer
|
||||
Ceiling fan
|
||||
Sofa bed
|
||||
Adhesive tape
|
||||
Harp
|
||||
Sandal
|
||||
Bicycle helmet
|
||||
Saucer
|
||||
Harpsichord
|
||||
Human hair
|
||||
Heater
|
||||
Harmonica
|
||||
Hamster
|
||||
Curtain
|
||||
Bed
|
||||
Kettle
|
||||
Fireplace
|
||||
Scale
|
||||
Drinking straw
|
||||
Insect
|
||||
Hair dryer
|
||||
Kitchenware
|
||||
Indoor rower
|
||||
Invertebrate
|
||||
Food processor
|
||||
Bookcase
|
||||
Refrigerator
|
||||
Wood-burning stove
|
||||
Punching bag
|
||||
Common fig
|
||||
Cocktail shaker
|
||||
Jaguar
|
||||
Golf ball
|
||||
Fashion accessory
|
||||
Alarm clock
|
||||
Filing cabinet
|
||||
Artichoke
|
||||
Table
|
||||
Tableware
|
||||
Kangaroo
|
||||
Koala
|
||||
Knife
|
||||
Bottle
|
||||
Bottle opener
|
||||
Lynx
|
||||
Lavender
|
||||
Lighthouse
|
||||
Dumbbell
|
||||
Human head
|
||||
Bowl
|
||||
Humidifier
|
||||
Porch
|
||||
Lizard
|
||||
Billiard table
|
||||
Mammal
|
||||
Mouse
|
||||
Motorcycle
|
||||
Musical instrument
|
||||
Swim cap
|
||||
Frying pan
|
||||
Snowplow
|
||||
Bathroom cabinet
|
||||
Missile
|
||||
Bust
|
||||
Man
|
||||
Waffle iron
|
||||
Milk
|
||||
Ring binder
|
||||
Plate
|
||||
Mobile phone
|
||||
Baked goods
|
||||
Mushroom
|
||||
Crutch
|
||||
Pitcher
|
||||
Mirror
|
||||
Lifejacket
|
||||
Table tennis racket
|
||||
Pencil case
|
||||
Musical keyboard
|
||||
Scoreboard
|
||||
Briefcase
|
||||
Kitchen knife
|
||||
Nail
|
||||
Tennis ball
|
||||
Plastic bag
|
||||
Oboe
|
||||
Chest of drawers
|
||||
Ostrich
|
||||
Piano
|
||||
Girl
|
||||
Plant
|
||||
Potato
|
||||
Hair spray
|
||||
Sports equipment
|
||||
Pasta
|
||||
Penguin
|
||||
Pumpkin
|
||||
Pear
|
||||
Infant bed
|
||||
Polar bear
|
||||
Mixer
|
||||
Cupboard
|
||||
Jacuzzi
|
||||
Pizza
|
||||
Digital clock
|
||||
Pig
|
||||
Reptile
|
||||
Rifle
|
||||
Lipstick
|
||||
Skateboard
|
||||
Raven
|
||||
High heels
|
||||
Red panda
|
||||
Rose
|
||||
Rabbit
|
||||
Sculpture
|
||||
Saxophone
|
||||
Shotgun
|
||||
Seafood
|
||||
Submarine sandwich
|
||||
Snowboard
|
||||
Sword
|
||||
Picture frame
|
||||
Sushi
|
||||
Loveseat
|
||||
Ski
|
||||
Squirrel
|
||||
Tripod
|
||||
Stethoscope
|
||||
Submarine
|
||||
Scorpion
|
||||
Segway
|
||||
Training bench
|
||||
Snake
|
||||
Coffee table
|
||||
Skyscraper
|
||||
Sheep
|
||||
Television
|
||||
Trombone
|
||||
Tea
|
||||
Tank
|
||||
Taco
|
||||
Telephone
|
||||
Torch
|
||||
Tiger
|
||||
Strawberry
|
||||
Trumpet
|
||||
Tree
|
||||
Tomato
|
||||
Train
|
||||
Tool
|
||||
Picnic basket
|
||||
Cooking spray
|
||||
Trousers
|
||||
Bowling equipment
|
||||
Football helmet
|
||||
Truck
|
||||
Measuring cup
|
||||
Coffeemaker
|
||||
Violin
|
||||
Vehicle
|
||||
Handbag
|
||||
Paper cutter
|
||||
Wine
|
||||
Weapon
|
||||
Wheel
|
||||
Worm
|
||||
Wok
|
||||
Whale
|
||||
Zebra
|
||||
Auto part
|
||||
Jug
|
||||
Pizza cutter
|
||||
Cream
|
||||
Monkey
|
||||
Lion
|
||||
Bread
|
||||
Platter
|
||||
Chicken
|
||||
Eagle
|
||||
Helicopter
|
||||
Owl
|
||||
Duck
|
||||
Turtle
|
||||
Hippopotamus
|
||||
Crocodile
|
||||
Toilet
|
||||
Toilet paper
|
||||
Squid
|
||||
Clothing
|
||||
Footwear
|
||||
Lemon
|
||||
Spider
|
||||
Deer
|
||||
Frog
|
||||
Banana
|
||||
Rocket
|
||||
Wine glass
|
||||
Countertop
|
||||
Tablet computer
|
||||
Waste container
|
||||
Swimming pool
|
||||
Dog
|
||||
Book
|
||||
Elephant
|
||||
Shark
|
||||
Candle
|
||||
Leopard
|
||||
Axe
|
||||
Hand dryer
|
||||
Soap dispenser
|
||||
Porcupine
|
||||
Flower
|
||||
Canary
|
||||
Cheetah
|
||||
Palm tree
|
||||
Hamburger
|
||||
Maple
|
||||
Building
|
||||
Fish
|
||||
Lobster
|
||||
Asparagus
|
||||
Furniture
|
||||
Hedgehog
|
||||
Airplane
|
||||
Spoon
|
||||
Otter
|
||||
Bull
|
||||
Oyster
|
||||
Horizontal bar
|
||||
Convenience store
|
||||
Bomb
|
||||
Bench
|
||||
Ice cream
|
||||
Caterpillar
|
||||
Butterfly
|
||||
Parachute
|
||||
Orange
|
||||
Antelope
|
||||
Beaker
|
||||
Moths and butterflies
|
||||
Window
|
||||
Closet
|
||||
Castle
|
||||
Jellyfish
|
||||
Goose
|
||||
Mule
|
||||
Swan
|
||||
Peach
|
||||
Coconut
|
||||
Seat belt
|
||||
Raccoon
|
||||
Chisel
|
||||
Fork
|
||||
Lamp
|
||||
Camera
|
||||
Squash
|
||||
Racket
|
||||
Human face
|
||||
Human arm
|
||||
Vegetable
|
||||
Diaper
|
||||
Unicycle
|
||||
Falcon
|
||||
Chime
|
||||
Snail
|
||||
Shellfish
|
||||
Cabbage
|
||||
Carrot
|
||||
Mango
|
||||
Jeans
|
||||
Flowerpot
|
||||
Pineapple
|
||||
Drawer
|
||||
Stool
|
||||
Envelope
|
||||
Cake
|
||||
Dragonfly
|
||||
Sunflower
|
||||
Microwave oven
|
||||
Honeycomb
|
||||
Marine mammal
|
||||
Sea lion
|
||||
Ladybug
|
||||
Shelf
|
||||
Watch
|
||||
Candy
|
||||
Salad
|
||||
Parrot
|
||||
Handgun
|
||||
Sparrow
|
||||
Van
|
||||
Grinder
|
||||
Spice rack
|
||||
Light bulb
|
||||
Corded phone
|
||||
Sports uniform
|
||||
Tennis racket
|
||||
Wall clock
|
||||
Serving tray
|
||||
Kitchen & dining room table
|
||||
Dog bed
|
||||
Cake stand
|
||||
Cat furniture
|
||||
Bathroom accessory
|
||||
Facial tissue holder
|
||||
Pressure cooker
|
||||
Kitchen appliance
|
||||
Tire
|
||||
Ruler
|
||||
Luggage and bags
|
||||
Microphone
|
||||
Broccoli
|
||||
Umbrella
|
||||
Pastry
|
||||
Grapefruit
|
||||
Band-aid
|
||||
Animal
|
||||
Bell pepper
|
||||
Turkey
|
||||
Lily
|
||||
Pomegranate
|
||||
Doughnut
|
||||
Glasses
|
||||
Human nose
|
||||
Pen
|
||||
Ant
|
||||
Car
|
||||
Aircraft
|
||||
Human hand
|
||||
Skunk
|
||||
Teddy bear
|
||||
Watermelon
|
||||
Cantaloupe
|
||||
Dishwasher
|
||||
Flute
|
||||
Balance beam
|
||||
Sandwich
|
||||
Shrimp
|
||||
Sewing machine
|
||||
Binoculars
|
||||
Rays and skates
|
||||
Ipod
|
||||
Accordion
|
||||
Willow
|
||||
Crab
|
||||
Crown
|
||||
Seahorse
|
||||
Perfume
|
||||
Alpaca
|
||||
Taxi
|
||||
Canoe
|
||||
Remote control
|
||||
Wheelchair
|
||||
Rugby ball
|
||||
Armadillo
|
||||
Maracas
|
||||
Helmet
|
||||
|
|
@ -54,7 +54,7 @@ typedef struct{
|
|||
tree *read_tree(char *filename);
|
||||
|
||||
typedef enum{
|
||||
LOGISTIC, RELU, RELIE, LINEAR, RAMP, TANH, PLSE, LEAKY, ELU, LOGGY, STAIR, HARDTAN, LHTAN
|
||||
LOGISTIC, RELU, RELIE, LINEAR, RAMP, TANH, PLSE, LEAKY, ELU, LOGGY, STAIR, HARDTAN, LHTAN, SELU
|
||||
} ACTIVATION;
|
||||
|
||||
typedef enum{
|
||||
|
|
|
|||
|
|
@ -31,6 +31,7 @@ __device__ float logistic_activate_kernel(float x){return 1.f/(1.f + expf(-x));}
|
|||
__device__ float loggy_activate_kernel(float x){return 2.f/(1.f + expf(-x)) - 1;}
|
||||
__device__ float relu_activate_kernel(float x){return x*(x>0);}
|
||||
__device__ float elu_activate_kernel(float x){return (x >= 0)*x + (x < 0)*(expf(x)-1);}
|
||||
__device__ float selu_activate_kernel(float x){return (x >= 0)*1.0507f*x + (x < 0)*1.0507f*1.6732f*(expf(x)-1);}
|
||||
__device__ float relie_activate_kernel(float x){return (x>0) ? x : .01f*x;}
|
||||
__device__ float ramp_activate_kernel(float x){return x*(x>0)+.1f*x;}
|
||||
__device__ float leaky_activate_kernel(float x){return (x>0) ? x : .1f*x;}
|
||||
|
|
@ -63,6 +64,7 @@ __device__ float loggy_gradient_kernel(float x)
|
|||
}
|
||||
__device__ float relu_gradient_kernel(float x){return (x>0);}
|
||||
__device__ float elu_gradient_kernel(float x){return (x >= 0) + (x < 0)*(x + 1);}
|
||||
__device__ float selu_gradient_kernel(float x){return (x >= 0)*1.0507 + (x < 0)*(x + 1.0507*1.6732);}
|
||||
__device__ float relie_gradient_kernel(float x){return (x>0) ? 1 : .01f;}
|
||||
__device__ float ramp_gradient_kernel(float x){return (x>0)+.1f;}
|
||||
__device__ float leaky_gradient_kernel(float x){return (x>0) ? 1 : .1f;}
|
||||
|
|
@ -87,6 +89,8 @@ __device__ float activate_kernel(float x, ACTIVATION a)
|
|||
return relu_activate_kernel(x);
|
||||
case ELU:
|
||||
return elu_activate_kernel(x);
|
||||
case SELU:
|
||||
return selu_activate_kernel(x);
|
||||
case RELIE:
|
||||
return relie_activate_kernel(x);
|
||||
case RAMP:
|
||||
|
|
@ -120,6 +124,8 @@ __device__ float gradient_kernel(float x, ACTIVATION a)
|
|||
return relu_gradient_kernel(x);
|
||||
case ELU:
|
||||
return elu_gradient_kernel(x);
|
||||
case SELU:
|
||||
return selu_gradient_kernel(x);
|
||||
case RELIE:
|
||||
return relie_gradient_kernel(x);
|
||||
case RAMP:
|
||||
|
|
|
|||
|
|
@ -16,6 +16,8 @@ char *get_activation_string(ACTIVATION a)
|
|||
return "relu";
|
||||
case ELU:
|
||||
return "elu";
|
||||
case SELU:
|
||||
return "selu";
|
||||
case RELIE:
|
||||
return "relie";
|
||||
case RAMP:
|
||||
|
|
@ -46,6 +48,7 @@ ACTIVATION get_activation(char *s)
|
|||
if (strcmp(s, "loggy")==0) return LOGGY;
|
||||
if (strcmp(s, "relu")==0) return RELU;
|
||||
if (strcmp(s, "elu")==0) return ELU;
|
||||
if (strcmp(s, "selu")==0) return SELU;
|
||||
if (strcmp(s, "relie")==0) return RELIE;
|
||||
if (strcmp(s, "plse")==0) return PLSE;
|
||||
if (strcmp(s, "hardtan")==0) return HARDTAN;
|
||||
|
|
@ -72,6 +75,8 @@ float activate(float x, ACTIVATION a)
|
|||
return relu_activate(x);
|
||||
case ELU:
|
||||
return elu_activate(x);
|
||||
case SELU:
|
||||
return selu_activate(x);
|
||||
case RELIE:
|
||||
return relie_activate(x);
|
||||
case RAMP:
|
||||
|
|
@ -113,6 +118,8 @@ float gradient(float x, ACTIVATION a)
|
|||
return relu_gradient(x);
|
||||
case ELU:
|
||||
return elu_gradient(x);
|
||||
case SELU:
|
||||
return selu_gradient(x);
|
||||
case RELIE:
|
||||
return relie_gradient(x);
|
||||
case RAMP:
|
||||
|
|
|
|||
|
|
@ -33,6 +33,7 @@ static inline float logistic_activate(float x){return 1./(1. + exp(-x));}
|
|||
static inline float loggy_activate(float x){return 2./(1. + exp(-x)) - 1;}
|
||||
static inline float relu_activate(float x){return x*(x>0);}
|
||||
static inline float elu_activate(float x){return (x >= 0)*x + (x < 0)*(exp(x)-1);}
|
||||
static inline float selu_activate(float x){return (x >= 0)*1.0507*x + (x < 0)*1.0507*1.6732*(exp(x)-1);}
|
||||
static inline float relie_activate(float x){return (x>0) ? x : .01*x;}
|
||||
static inline float ramp_activate(float x){return x*(x>0)+.1*x;}
|
||||
static inline float leaky_activate(float x){return (x>0) ? x : .1*x;}
|
||||
|
|
@ -75,6 +76,7 @@ static inline float stair_gradient(float x)
|
|||
}
|
||||
static inline float relu_gradient(float x){return (x>0);}
|
||||
static inline float elu_gradient(float x){return (x >= 0) + (x < 0)*(x + 1);}
|
||||
static inline float selu_gradient(float x){return (x >= 0)*1.0507 + (x < 0)*(x + 1.0507*1.6732);}
|
||||
static inline float relie_gradient(float x){return (x>0) ? 1 : .01;}
|
||||
static inline float ramp_gradient(float x){return (x>0)+.1;}
|
||||
static inline float leaky_gradient(float x){return (x>0) ? 1 : .1;}
|
||||
|
|
|
|||
Loading…
Reference in New Issue