Efficientnet B6

🚀 EfficientNet (b6模型)

EfficientNet是一个用于图像分类的模型，它在ImageNet-1k数据集上进行训练，能够高效地完成图像分类任务，为图像识别领域提供了强大的支持。

🚀 快速开始

EfficientNet是一个对移动设备友好的纯卷积模型（ConvNet），它提出了一种新的缩放方法，使用一个简单但非常有效的复合系数来统一缩放深度、宽度和分辨率的所有维度。

你可以使用原始模型进行图像分类。可以在模型中心查找针对你感兴趣的任务进行微调的版本。

✨ 主要特性

• 提出了一种新的缩放方法，使用复合系数统一缩放深度、宽度和分辨率。
• 对移动设备友好，是纯卷积模型。

💻 使用示例

基础用法

以下是如何使用此模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一的示例：

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

# 模型预测1000个ImageNet类别之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

更多代码示例，请参考文档。

📚 详细文档

EfficientNet模型在论文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 中被提出，作者是Mingxing Tan和Quoc V. Le，并首次在 此仓库 中发布。

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}
}

📄 许可证

本项目采用Apache-2.0许可证。

⚠️ 重要提示

发布EfficientNet的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。