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
- 算法设计与分析基础（第三版）Levitin著-课件
- 阵列信号处理经典教材讲义
- 【原创】基于MATLAB的模糊综合评价法
- Basler相机Pylon系统实时图像采集讲解（PylonC SDK使用流程）
- Windows 10NTLite 精简配置范例
- PLC 组态王 双容水箱 液位控制
- NSGA多目标遗传算法
- LabVIEW控制伺服电机详细过程以及设备明细
- 易语言制作的9款浏览器源码
- Precalculus with Limits by Larson, Ron
- Audiotrack
- redis-5.0.2.tar.gz
- 云安全威胁深度分析.pdf
- 2021最新JAVA核心知识点整理.pdf
- tdm-gcc-4.9.2.exe
- PCB画图教程
- 最大功率点跟踪
- HTML5捕鱼达人源码
- COSMIC规模度量方法培训资料
- ACCP5.0 游戏点卡在线销售系统
- 操作系统作业文件系统
- 计算机网络讲义-陈鸣
- Java记事本源码和课程设计报告
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