efficientNe笔记

本文详细介绍如何使用EfficientNet进行图像分类任务,包括安装、导入、加载预训练模型及特征提取等关键步骤。通过实例演示了EfficientNet在图像处理领域的高效应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Efficientnet 原文

使用pip安装efficientnet

pip install efficientnet_pytorch

导入efficientnet

from efficientnet_pytorch import EfficientNet
model = EfficientNet.from_name('efficientnet-b0')  # load an EfficientNet
model = EfficientNet.from_pretrained('efficientnet-b0', num_classes=2)  # load a pretrained EfficientNet 

EfficientNet 提取特征

from efficientnet_pytorch import EfficientNet
model = EfficientNet.from_pretrained('efficientnet-b0')

# ... image preprocessing as in the classification example ...
print(img.shape) # torch.Size([1, 3, 224, 224])

features = model.extract_features(img)
print(features.shape) # torch.Size([1, 1280, 7, 7])

网络结构为:

图源于https://blog.youkuaiyun.com/Trent1985/article/details/91126085
图源自于https://blog.youkuaiyun.com/Trent1985/article/details/91126085

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值