CapsNet-Comparative-Performance

CapsNet performance

Este repositorio tiene como objetivo medir el desempeño de CapsNet vs Mobilenet V2.0. Se presenta en la carpeta CNN notebooks los jupyter notebooks para poder correr los modelos, así como el trained_model.h5 que contiene los pesos por si se desea solo correr los test sets. CapsNet contiene tres subcarpetas Cifar10, Fashionmnist y MNIST en las cuales se tienen los modelos así como los pesos correspondientes.

Para el caso de MNIST al final de los notebook se tienen los comandos necesarios para correr la prueba con una nueva base de datos affNIST. Aquí el objetivo es medir que tan preparado esta un modelo entrenado por CapsNet vs CNN

Corriendo los notebooks

Para poder correr los jupyter notebooks es necesario tomar en cuenta las siguientes consideraciones:

1. Los modelos de CNN fueron entrenados en la versión beta de tensorflow2.0, para poder correrlos,
se recomienda primero crear un ambiente local como se menciona abajo.

2. CapsNet fue entrenada con una versión distinta de tensorflow y por tanto se proporciona 
un archivo distinto para poder crear el ambiente virtual.

Ambiente local Ref

Para instalar el ambiente completo en tu computadora, se sugiere usar Anaconda con el archivo archivo.yml de la siguiente manera:

conda  create -n  archivo.yml

Finalmente, debes activar el ambiente cuando desees utilizarlo con el siguiente comando:

conda activate nombre_ambiente

Elije de la siguiente lista de arvhivos.yml el que corresponda a tu computadora.

• capsnet_cpu.yml para correr los jupyter-notebook de capsnet usando cpu
• capsnet_gpu.yml para correr los jupyter-notebook de capsnet usando gpu
• environment_cpu.yml para correr los jupyter-notebook de CNN usando cpu
• environment_gpu.yml para correr los jupyter-notebook de CNN usando gpu

Resultado

En el archivo CapsNet-Comparative-Performance.pdf se encuentran los resultados comparativos de los modelos, así como algunas observaciones de interés y referencias utilizadas.