Efficientnet B5

🚀 EfficientNet (b5模型)

EfficientNet是一个在图像分类任务中表现出色的模型。它基于ImageNet - 1k数据集，在456x456的分辨率下进行训练。该模型提出了一种新的缩放方法，能有效提升模型性能。

🚀 快速开始

EfficientNet是一个对移动端友好的纯卷积模型（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。

✨ 主要特性

• 提出了一种新的缩放方法，能统一缩放深度、宽度和分辨率的所有维度。
• 是对移动端友好的纯卷积模型。

💻 使用示例

基础用法

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]),

高级用法

如需更多代码示例，请参考文档。

📚 详细文档

预期用途与限制

你可以使用原始模型进行图像分类。请查看模型中心，以寻找针对你感兴趣的任务进行微调的版本。

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}
}

📄 许可证

本模型采用Apache - 2.0许可证。

📦 模型信息

⚠️ 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。