Efficientnet B4

🚀 高效网络（EfficientNet - b4 模型）

高效网络（EfficientNet）是一个在 ImageNet - 1k 数据集上以 380x380 分辨率训练的模型。它能够有效处理图像分类任务，为相关领域提供了强大的技术支持。

🚀 快速开始

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

以下是如何使用这个模型将 COCO 2017 数据集中的一张图像分类为 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-b4")
model = EfficientNetForImageClassification.from_pretrained("google/efficientnet-b4")

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。

✨ 主要特性

高效网络（EfficientNet）是一种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。

📚 详细文档

模型描述

高效网络（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。

预期用途和限制

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

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

本项目采用 Apache - 2.0 许可证。

信息表格

免责声明

发布高效网络（EfficientNet）的团队没有为这个模型编写模型卡片，因此这个模型卡片由 Hugging Face 团队编写。