README.txt

   1
   2 This is an implementation of a deep residual network for predicting
   3 the dynamics of 2D shapes as described in
   4
   5   F. Fleuret. Predicting the dynamics of 2d objects with a deep
   6   residual network. CoRR, abs/1610.04032, 2016.
   7
   8   https://arxiv.org/pdf/1610.04032v1
   9
  10 This package is composed of a simple 2d physics simulator called
  11 'flatland' written in C++, to generate the data-set, and a deep
  12 residual network 'dyncnn' written in the Lua/Torch7 framework.
  13
  14 You can run the reference experiment by executing the run.sh shell
  15 script.
  16
  17 It will
  18
  19   (1) generate the data-set of 50k triplets of images,
  20
  21   (2) train the deep network, and output validation results every 100
  22       epochs. This take ~30h on a GTX 1080.
  23
  24   (3) generate two pictures of the internal activations.
  25
  26   (4) generate a graph with the loss curves if gnuplot is installed.
  27
  28 --
  29 Francois Fleuret
  30 Oct 21, 2016
  31 Martigny