Efficientnet B4

🚀 高效網絡（EfficientNet - b4 模型）

高效網絡（EfficientNet）是一個在 ImageNet - 1k 數據集上以 380x380 分辨率訓練的模型。它能夠有效處理圖像分類任務，為相關領域提供了強大的技術支持。

🚀 快速開始

你可以使用這個原始模型進行圖像分類。你可以在模型中心查找針對你感興趣的任務進行微調後的版本。

以下是如何使用這個模型將 COCO 2017 數據集中的一張圖像分類為 1000 個 ImageNet 類別之一的示例：

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-b4")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b4")

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

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

# 模型預測 1000 個 ImageNet 類別之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

更多代碼示例，請參考文檔。

✨ 主要特性

高效網絡（EfficientNet）是一種對移動設備友好的純卷積模型（ConvNet），它提出了一種新的縮放方法，使用一個簡單但非常有效的複合係數來統一縮放深度、寬度和分辨率的所有維度。

📚 詳細文檔

模型描述

高效網絡（EfficientNet）是一個對移動設備友好的純卷積模型（ConvNet），它提出了一種新的縮放方法，使用一個簡單但非常有效的複合係數來統一縮放深度、寬度和分辨率的所有維度。

預期用途和限制

你可以使用原始模型進行圖像分類。你可以在模型中心查找針對你感興趣的任務進行微調後的版本。

BibTeX 引用和引用信息

@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}
}

📄 許可證

本項目採用 Apache - 2.0 許可證。

信息表格

免責聲明

發佈高效網絡（EfficientNet）的團隊沒有為這個模型編寫模型卡片，因此這個模型卡片由 Hugging Face 團隊編寫。