Efficientnet B0

🚀 高效網絡（b0模型）

高效網絡（EfficientNet）是在ImageNet - 1k數據集上以224x224分辨率訓練的模型。它由Tan Mingxing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。

聲明：發佈高效網絡的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。

🚀 快速開始

你可以使用此原始模型進行圖像分類。前往 模型中心 查找你感興趣任務的微調版本。

✨ 主要特性

高效網絡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。

💻 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-b0")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b0")

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]),

如需更多代碼示例，請參考 文檔。

📚 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}
}

📄 許可證

本模型採用Apache - 2.0許可證。

📦 模型信息

🖼️ 示例展示

• 老虎
• 茶壺
• 宮殿