Efficientnet B1

🚀 EfficientNet (b1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，以240x240的分辨率進行訓練，能夠高效準確地對圖像進行分類。

🚀 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。訪問模型中心，查找你感興趣任務的微調版本。

如何使用

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

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

• 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。
• 對移動設備友好，是純卷積模型。

📄 許可證

本項目採用Apache - 2.0許可證。

📚 詳細文檔

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}
}

免責聲明

發佈EfficientNet的團隊沒有為此模型編寫模型卡片，因此此模型卡片由Hugging Face團隊編寫。

信息表格

示例展示

• 老虎示例
• 茶壺示例
• 宮殿示例