此项目是参加AI + 无线通信挑战的原始代码以及保存的模型 项目参与团队AIGroup_WMCT最终初赛排名为14名,初赛分数:0.99175786320 其中final_code文件夹下保存了参数提交得最终原始代码,最终提交网络模型可以在model_history中20201017_0.99175786320文件夹下Model_save文件夹下找到。 model_history文件夹下上传了部分比赛上传代码,文件夹命名分别表示提交时间和对应得分数。 有任何问题可以随时跟我们联系,感谢各位审核指导!

请介绍初赛作品方案,如实现方式、特点等

方案说明: AIGroup_WMCT团队初赛作品实验主要采用Tensorflow(keras)框架实现,部分实验采用Pytorch和Tensorflow。最终审核作品为Tensorflow(keras)版本。实验环境为NVIDIA DGX-1(Tesla V100),相关软件为官方指定版本。 作品特点: 所设计Encoder模型较小,Decoder模型较大,适用于客户端运算能力较弱,中心运算能力强的无线通信环境。

1. Encoder:采用多尺度特征融合方式完成非线性映射,其中一路将Input直接叠加到Encoder的dense层输出之前,防止梯度弥散。
2. Decoder:借鉴残差网络和Inception的思想 结合GoogleNet和ResNet的优点,利用多卷积核(33,22等)学习样本更丰富的特征;综合利用Swish与ReLU激活函数,通过多epochs重复Reload模型进行模型再训练,进一步结合LearningRate调整,训练Decoder来实现信号的精确重建。

待完善

• 1 首先克隆本项目到本地电脑
• 2 按照自己的需要更改代码
• 3 推送到GitHub
  • 3.1 git lfs install (由于本项目涉及到大文件,所以需要git lfs,第一步是初始化)
  • 3.2 git track ".zip" ".h5" (添加要追踪的大文件,此处涉及到两种类型,强哥的zip和东阳的h5)
  • 3.3 git add 文件名或者文件夹名或者一个"." (当要添加一个或者单独几个文件时,写文件名简介;当要添加整个文件夹是,用文件夹名称;当不知道文件在哪里时,就用一个"."吧,就是全部的文件都加进来)
  • 3.4 git commit -m "此次更新的简单或者详细说明" (双引号的内容会显示到log上)
  • 3.5 git push origin master (开始推送)

以上的前提是你对此工程有访问和更新权限,并且进行了git add remote 相关的配置,具体请Google