Efficientnet B5

🚀 EfficientNet (b5模型)

EfficientNet是一個在圖像分類任務中表現出色的模型。它基於ImageNet - 1k數據集，在456x456的分辨率下進行訓練。該模型提出了一種新的縮放方法，能有效提升模型性能。

🚀 快速開始

EfficientNet是一個對移動端友好的純卷積模型（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。

✨ 主要特性

• 提出了一種新的縮放方法，能統一縮放深度、寬度和分辨率的所有維度。
• 是對移動端友好的純卷積模型。

💻 使用示例

基礎用法

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-b5")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b5")

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]),

高級用法

如需更多代碼示例，請參考文檔。

📚 詳細文檔

預期用途與限制

你可以使用原始模型進行圖像分類。請查看模型中心，以尋找針對你感興趣的任務進行微調的版本。

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

本模型採用Apache - 2.0許可證。

📦 模型信息

⚠️ 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。