Efficientnet B6

🚀 EfficientNet (b6模型)

EfficientNet是一個用於圖像分類的模型，它在ImageNet-1k數據集上進行訓練，能夠高效地完成圖像分類任務，為圖像識別領域提供了強大的支持。

🚀 快速開始

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。

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

✨ 主要特性

• 提出了一種新的縮放方法，使用複合係數統一縮放深度、寬度和分辨率。
• 對移動設備友好，是純卷積模型。

💻 使用示例

基礎用法

以下是如何使用此模型將COCO 2017數據集中的圖像分類為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-b6")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b6")

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。

📚 詳細文檔

EfficientNet模型在論文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 中被提出，作者是Mingxing Tan和Quoc V. Le，並首次在 此倉庫 中發佈。

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。

⚠️ 重要提示

發佈EfficientNet的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。