Efficientnet B0

🚀 高效网络（b0模型）

高效网络（EfficientNet）是在ImageNet - 1k数据集上以224x224分辨率训练的模型。它由Tan Mingxing和Quoc V. Le在论文 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 中提出，并首次在 此仓库 发布。

声明：发布高效网络的团队并未为此模型撰写模型卡片，此模型卡片由Hugging Face团队编写。

🚀 快速开始

你可以使用此原始模型进行图像分类。前往 模型中心 查找你感兴趣任务的微调版本。

✨ 主要特性

高效网络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。

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

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]),

如需更多代码示例，请参考 文档。

📚 详细文档

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

🖼️ 示例展示

• 老虎
• 茶壶
• 宫殿