模型训练结果有较大的不同 about network-slimming HOT 8 OPEN

另外对于pruning后的精度对于vgg模型的结果也非常的奇怪，而且在vgg会在很早就出现pruning掉整层的情况，finetune后较原来的baseline会有很大的提升，我认为这都是一开始training的时候的问题，希望您可以为我解答，谢谢。
ps: 训练的硬件参数为K80/一块卡/CUDA Version: 10.1

from network-slimming.

能给出你的commands吗?就是你跑实验的命令, 我们在README里给出的命令都是我们自己测试过的https://github.com/Eric-mingjie/network-slimming#train-with-sparsity

from network-slimming.

注意我们使用的是torch v0.3.1.

from network-slimming.

我的command用的和您是一样的。但是我使用的torch 1.0.1.post2，并将类似Variable的语法改成了with torch.no_grad()。但是版本的不同会导致训练结果存在很大差异吗？

from network-slimming.

另外在实验中也出现了在vgg某些prune percent较低的时候，pruning后的精度exactly等于pruning之前，这也是因为版本的原因吗？

from network-slimming.

另外想问您一下您那里有没有训练好的ImageNet数据集上的全连接层也有BN的vgg11和16模型，可以share一下吗？

from network-slimming.

我的command用的和您是一样的。但是我使用的torch 1.0.1.post2，并将类似Variable的语法改成了with torch.no_grad()。但是版本的不同会导致训练结果存在很大差异吗？

不太清楚，可以试下。

另外想问您一下您那里有没有训练好的ImageNet数据集上的全连接层也有BN的vgg11和16模型，可以share一下吗？

抱歉，我们没有train这些模型。

from network-slimming.

好的，感谢您的回复

from network-slimming.