Efficientnet B1

🚀 EfficientNet (b1 model)

EfficientNetは、解像度240x240のImageNet - 1kで学習されたモデルです。このモデルは、Mingxing TanとQuoc V. Leによる論文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks で紹介され、最初は このリポジトリ で公開されました。

なお、EfficientNetを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

🚀 クイックスタート

このEfficientNet (b1 model) は、画像分類タスクに使用できます。以下に、このモデルを使った基本的な使い方を説明します。

✨ 主な機能

EfficientNetは、モバイルに適した純粋な畳み込みモデル（ConvNet）で、単純でありながら非常に効果的な複合係数を使用して、深さ、幅、解像度のすべての次元を均一にスケーリングする新しいスケーリング方法を提案しています。

📚 ドキュメント

想定される使用目的と制限事項

このモデルは、画像分類に使用できます。興味のあるタスクでファインチューニングされたバージョンを探すには、モデルハブ を参照してください。

使い方

以下は、COCO 2017データセットの画像を1,000のImageNetクラスのいずれかに分類するためのコード例です。

基本的な使用法

import torch
from datasets import load_dataset
from transformers import EfficientNetImageProcessor, EfficientNetForImageClassification

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

preprocessor = EfficientNetImageProcessor.from_pretrained("google/efficientnet-b1")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b1")

inputs = preprocessor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# model predicts one of the 1000 ImageNet classes
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

より多くのコード例については、ドキュメント を参照してください。

BibTeXエントリと引用情報

@article{Tan2019EfficientNetRM,
  title={EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks},
  author={Mingxing Tan and Quoc V. Le},
  journal={ArXiv},
  year={2019},
  volume={abs/1905.11946}
}

📄 ライセンス

このモデルは、Apache - 2.0ライセンスの下で提供されています。

ウィジェットのサンプル

• Tiger
• Teapot
• Palace

モデル情報