Ejemplos de evaluate_network_with_classes en Python

Ejemplo n.º 1

Archivo: copycat_evaluate.py Proyecto: brendalf/gan-attack

def evaluate_dataset(net, path):
    testset = ImageFolder(root=path,
                          transform=Compose([
                              Resize((32, 32)),
                              ToTensor(),
                          ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)

Ejemplo n.º 2

Archivo: copycat_evaluate.py Proyecto: brendalf/gan-attack

def evaluate_svhn(net):
    testset = SVHN(root='data',
                   split="test",
                   download=True,
                   transform=Compose([
                       ToTensor(),
                   ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)

Ejemplo n.º 3

Archivo: copycat_evaluate.py Proyecto: brendalf/gan-attack

def evaluate_cifar10(net):
    testset = CIFAR10(root='data',
                      train=False,
                      download=True,
                      transform=Compose([
                          ToTensor(),
                      ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset))

Ejemplo n.º 4

Archivo: copycat_evaluate.py Proyecto: brendalf/gan-attack

def evaluate_mnist(net):
    testset = MNIST(root='data',
                    train=False,
                    download=True,
                    transform=Compose([
                        Resize((32, 32)),
                        Grayscale(num_output_channels=3),
                        ToTensor(),
                    ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)

Ejemplo n.º 5

def evaluate_svhn(net):
    testset = SVHN(root='data',
                   split="train",
                   download=True,
                   transform=Compose([
                       ToTensor(),
                       Normalize((0.43767047, 0.44375867, 0.47279018),
                                 (0.19798356, 0.20096427, 0.19697163)),
                   ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)

Ejemplo n.º 6

def evaluate_cifar10(net):
    testset = CIFAR10(root='data',
                      train=True,
                      download=True,
                      transform=Compose([
                          ToTensor(),
                          Normalize((0.4914, 0.4822, 0.4465),
                                    (0.2023, 0.1994, 0.2010)),
                      ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)

Ejemplo n.º 7

def evaluate_dataset(net, path):
    testset = ImageFolder(
        root=path,
        transform=Compose([
            Resize((32, 32)),
            ToTensor(),
            Normalize((0.1307, 0.1307, 0.1307), (0.3081, 0.3081, 0.3081)),
            # Normalize((0.43767047, 0.44375867, 0.47279018), (0.19798356, 0.20096427, 0.19697163)),
            # Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),
        ]))

    testloader = DataLoader(testset,
                            batch_size=64,
                            shuffle=False,
                            num_workers=2)

    evaluate_network_with_classes(net, testloader, len(testset), OUT_FEATURES)