efficientnet_b0

torchvision.models.efficientnet_b0(*, weights: Optional[EfficientNet_B0_Weights] = None, progress: bool = True, **kwargs: Any) → EfficientNet

來自論文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》的 EfficientNet B0 模型架構。

引數：

• weights (EfficientNet_B0_Weights, 可選) – 要使用的預訓練權重。請參閱下面的EfficientNet_B0_Weights 瞭解更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向 stderr 顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.efficientnet.EfficientNet 基類的引數。請參閱原始碼瞭解有關此類的更多詳細資訊。

class torchvision.models.EfficientNet_B0_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。EfficientNet_B0_Weights.DEFAULT 等同於 EfficientNet_B0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

EfficientNet_B0_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植而來。也可用作 EfficientNet_B0_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	77.692
acc@5 (在 ImageNet-1K 上)	93.532
類別	tench, goldfish, great white shark, … (省略 997 項)
最小尺寸	高=1, 寬=1
方法	連結
引數數量	5288548
GFLOPS	0.39
檔案大小	20.5 MB

推理轉換（inference transforms）可在 EfficientNet_B0_Weights.IMAGENET1K_V1.transforms 中獲取，並執行以下預處理操作：接受 PIL.Image、批處理 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像大小調整為 resize_size=[256]，然後進行中心裁剪，裁剪大小為 crop_size=[224]。最後，先將值縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。