EfficientNet-classification EfficientNet在pytorch框架下实现图像分类，拿走即用
EfficientNet_classification。EfficientNet在pytorch框架下实现图像分类，拿走即用。该文件包含python语言编写的model文件、my_dataset文件、predict文件、train文件、配置文件等。能够实现训练自己的数据集进行图像分类，以及对训练后的网络进行测试。EfficientNet利用NAS(Neural Architecture Search)搜索技术，将输入分辨率，网络的深度、宽度三者同时考虑，搭建更nice的网络结构。EfficientNet-B0的网络框架，总体看，分成了9个Stage：Stage1 是一个卷积核大小为3x3，步距为2的普通卷积层（包含BN和激活函数Swish）；Stage2～Stage8 是在重复堆叠 MBConv 结构；Stage9 是一个普通的1x1的卷积层(包含BN和激活函数Swish) + 一个平均池化层 + 一个全连接层组成
文件下载
资源详情
[{"title":"（ 8 个子文件 12KB ） EfficientNet-classification EfficientNet在pytorch框架下实现图像分类，拿走即用","children":[{"title":"utils.py <span style='color:#111;'> 5.60KB </span>","children":null,"spread":false},{"title":"predict.py <span style='color:#111;'> 2.09KB </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 13.92KB </span>","children":null,"spread":false},{"title":"my_dataset.py <span style='color:#111;'> 1.14KB </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 62B </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 6.19KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.50KB </span>","children":null,"spread":false},{"title":"trans_weights_to_pytorch.py <span style='color:#111;'> 4.68KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- 浙江大学_翁恺_c++_课件和源代码
- Concurrency Control and Recovery in Database Systems
- 李宏毅深度强化学习PPT（含机器学习课程对RL的简介）
- GoogleEarthEngine教程.pdf
- ARTNET c# 开源代码
- ijkPlayer安卓端所需编译后的so库，支持所有视频格式
- 音频编码pcm的c语言实现
- 汽车尾灯Verilog语言
- snort源代码
- 软装 设计 教程 pdf
- 黑色磷半导体纳米带中电荷迁移率的第一性原理预测
- 某课课程下载器.rar
- 负荷计算表（完美版）.xls
- SpeechBot：文本语音Python电报机器人-源码
- 训练结果的上传
- ch18-Distributed Coordination.ppt
- 彼得。德鲁克（旁观者)
- 车载DAB操作说明书
- Visual C++角色扮演游戏程序设计实例教程外加源码
- 无线键鼠对码器
- 电脑报2015-2018合集.txt百度网盘分享
- 五邑大学数据结构实验
- 2018网赛复赛机试题
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明