SqueezeNet[1]の、Kerasでの実装です。たぶん、もっともシンプルなコードなんじゃないかと。

Usage

準備

$ pip3 install --upgrade tensorflow-gpu keras funcy matplotlib h5py

訓練

$ python3 train.py

訓練結果の確認

$ python3 check.py

私が試した結果だと、CIFAR-10の精度は93.77%になりました。論文にはCIFAR-10の精度がないので分からないけど、かなり高い精度なので、多分コードは大丈夫だと思います。

Notes

• ごめんなさい。Python3とTensorFlowの環境でしか試していません。
• https://github.com/nutszebra/squeeze_netとhttps://github.com/takedarts/resnetfamilyを参考にして作成しています。
• 検証には、ImageNetではなくCIFAR-10を使用しました。
• [2]のバッチ・ノーマライゼーション→ReLU→畳込みの順序を使用しました。
• Kerasに関数型プログラミングのテクニックを適用する方法は、Kerasと関数型プログラミングを使えば、深層学習（ディープ・ラーニング）は楽ちんですよにまとめました。

References

• SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size [1]
• Identity Mappings in Deep Residual Networks [2]