摘要
原始的ImageNet数据集是一个广泛使用的大型基准数据集，用于训练深度神经网络。由于在该数据集上进行实验（如算法设计、架构搜索和超参数调优）的成本可能非常高昂，我们提出考虑一个缩小版的ImageNet数据集。与CIFAR数据集和早期的ImageNet缩小版本不同，我们提出的ImageNet32×32（及其变体ImageNet64×64和ImageNet16×16）包含与ImageNet完全相同数量的类别和图像，唯一的区别在于图像被缩小到每张32×32像素（变体分别为64×64像素和16×16像素）。在这些缩小版本上进行实验的速度显著快于在原始ImageNet上的实验，而且关于最优超参数的特性在缩小后的数据集中似乎仍然相似。所提议的数据集及重现我们结果的脚本可在http://image-net.org/download-images 和 https://github.com/PatrykChrabaszcz/Imagenet32_Scripts 获取。