Este repositorio contiene el codigo para generar todos los resultados descritos en en este blog. El objetivo es crear un generador de redes neuronales convolucionales simples para comparar su desempeño al variar el número de capas.
simpleNet.py contiene el código para la generación de la red, la función principal a llamar es:
simpleNet(). Los parámetro de esta función son: num_layers = número de capas convolucionales que deseamos, num_maxPool = número de capas de muestreo requeridas, num_clases = número de clases a clasificar en nuestra base de datos, img_size = altura y longitud de las imagenes (por el momento solo funciona en imagenes de tres canales), batch_norm = valor booleano que especifica si implementar normalización en las capas previo a la aplicación de la función de activación.
large_nets.py contiene el código para la implementación y entrenamiento de la red.