请问为什么imagenet的nclass设为100

[ydc123]

您好，我想请问一下为什么main.py中的imagenet的nclass是设的100？以及如果按照run_imagenet.sh的示例，对resnet18仅将权重量化为2bit激活值不作量化，最终多少的精度算是正常？

[pyjhzwh]

啊抱歉，是我写错了，imagenet nclass应该是1000；
resnet18 2bit我没有试过，但是8bit的resnet LQ-net retrain之后精度应该和baseline(full precision)比下降0.5%左右
根据LQ-net paper，2 bit weights &32 bit activation accuray =68.0%。不过我没有用自己的写的跑过

[ydc123]

请问self.v是指的论文中的basis吗？也就是kbit的话self.v就有k个值？我从https://github.com/pyjhzwh/LQ-net-pytorch/blob/master/lqnet.py#L30这里来看，对第i层的self.v似乎只有1个值，尽管我的b设的是2也就是2bits。

[pyjhzwh]

LQ-net paper中的basis是[v1,v2,...] (v1 < v2 <...), 而我写的code的basis实际上是[self.v, self.v*2, self.v*2^2, ...]，所以不太一样，flexibility小一些
ps. 我code里用了 self.Wmean[i] 来代表bias，假设floating-point weights = quantized weights * scale + bias 如果不需要 bias来表示quantized weights的话，把和- self.Wmean[i]相关的删去就可以