来自ImageNet 2012数据集的Pytorch模型的经过预训练的Alexnet的验证分数低

如何解决来自ImageNet 2012数据集的Pytorch模型的经过预训练的Alexnet的验证分数低

我正在使用经过预先训练的AlexNet网络来验证以前的工作。

代码如下：

import os
import torch

import torchvision
import torchvision.datasets as datasets
import torchvision.models as models
import torchvision.transforms as transforms


model = torch.hub.load('pytorch/vision:v0.6.0','alexnet',pretrained=True)
model.eval()

batchsize = 50000
workers = 1
dataset_path = 'data/imagenet_2012/'
normalize = transforms.Normalize(mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225])
val_data = datasets.ImageFolder(root=os.path.join(dataset_path,'val'),transform=transforms.Compose( [transforms.Resize(256),transforms.CenterCrop(224),transforms.ToTensor(),normalize,]))
val_loader = torch.utils.data.DataLoader(val_data,batch_size=batchsize,num_workers=workers)


batch = next(iter(val_loader))
images,labels = batch

with torch.no_grad():
    output = model(images)


for i in output:
    out_soft = torch.nn.functional.softmax(i,dim=0)
    print(int(torch.argmax(out_soft)))

执行此操作并与ILSVRC2012_validation_ground_truth.txt进行比较时，我得到的top-1准确性仅为5％。

我在做什么错了？

谢谢。

解决方法

因此，Pytorch / Caffe有自己的“地面真理”文件，可以从这里获取： https://gist.github.com/ksimonyan/fd8800eeb36e276cd6f9#note

我根据上面链接中提供的tar文件中的val.txt文件手动测试了Imagenet数据集验证文件夹中的图像，以验证顺序。

更新： 基于链接中zip文件中的groundtruth的新验证准确性：

Top_1 = 56.522％

Top_5 = 79.066％