Efficientnet B2

🚀 高效網絡（b2模型）

EfficientNet是一個在ImageNet - 1k數據集上以260x260分辨率訓練的模型。它能有效進行圖像分類，為相關領域研究和應用提供了有力支持。

🚀 快速開始

EfficientNet模型由Mingxing Tan和Quoc V. Le在論文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 中提出，並首次在 此倉庫 發佈。需要注意的是，發佈EfficientNet的團隊並未為此模型撰寫模型卡片，本模型卡片由Hugging Face團隊編寫。

✨ 主要特性

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，使用簡單而高效的複合係數統一縮放深度、寬度和分辨率的所有維度。

📚 詳細文檔

預期用途和限制

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。

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-b2")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b2")

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。

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。

示例展示

• 老虎
• 茶壺
• 宮殿