HyperAIHyperAI
vor 2 Monaten

Eine abgetastete Variante von ImageNet als Alternative zu den CIFAR-Datensätzen

Patryk Chrabaszcz; Ilya Loshchilov; Frank Hutter
Eine abgetastete Variante von ImageNet als Alternative zu den CIFAR-Datensätzen
Abstract

Das ursprüngliche ImageNet-Datenset ist ein weit verbreiteter, groß angelegter Benchmark für das Training von Tiefen Neuronalen Netzen. Da die Kosten für Experimente (z.B. Algorithmenentwicklung, Architektursuche und Hyperparameter-Optimierung) mit dem ursprünglichen Datenset möglicherweise unerschwinglich hoch sind, schlagen wir eine abgetastete Version von ImageNet vor. Im Gegensatz zu den CIFAR-Datensets und früheren abgetasteten Versionen von ImageNet enthält unser vorgeschlagenes ImageNet32×32 (und seine Varianten ImageNet64×64 und ImageNet16×16) genau dieselbe Anzahl an Klassen und Bildern wie ImageNet, wobei der einzige Unterschied darin besteht, dass die Bilder auf 32×32 Pixel pro Bild (für die Varianten entsprechend 64×64 und 16×16 Pixel) abgetastet sind. Experimente mit diesen abgetasteten Varianten sind erheblich schneller als mit dem ursprünglichen ImageNet, und die Eigenschaften der abgetasteten Datensätze hinsichtlich optimaler Hyperparameter scheinen ähnlich zu bleiben. Die vorgeschlagenen Datensätze sowie Skripte zur Reproduktion unserer Ergebnisse sind unter http://image-net.org/download-images und https://github.com/PatrykChrabaszcz/Imagenet32_Scripts verfügbar.