efficientNet.代码亲测可用

神经网络架构搜索出的网络EfficientNet，根据官方开源pytorch代码，转为caffe的网络协议文件，可以顺利训练，这里提供了EfficientNet B0的3种版本，第一种是完整 版，也就是使用了swish激活以及SE模块的，第二种是将swish替换为relu,且包含SE模块，第三种是将swish替换成relu，且去掉SE模块的最精简版本。经过在我自己的250类车辆分类数据集上，精简版可以达到0.9992的准确率，relu+SE版的准确率为0.9968，完整版本的还没训练结束，不过相差不多，效果很不错。

高效的Unet-PyTorch 以EfficientNet为编码器的Unet的PyTorch 1.0实现 有用的笔记 由于解码器路径中存在一些舍入问题（不是错误，因此这是一个功能） :smirking_face: ），输入形状应可被32整除。 例如224x224是适合输入图像的尺寸，但225x225不适合。 要求 Python> = 3.6 > = 1.0.0 安装 安装efficientunet-pytorch ： pip install efficientunet-pytorch 用法 1.高效网 例如，说您想要具有5个类的预训练的efficiencynet-b5模型： from efficientunet import * model = EfficientNet . from_name ( 'efficientnet-b5' , n_classes = 5 , pretrained = True

EfficientNet一般有好几个版本，可以根据自己的计算资源下载不同的预训练权重，但是预训练权重一般不太好下载，我上传到这里可供大家下载

efficientnet-lite0-int8.tflite

高效网式火炬 在EfficientNet上训练自己的数据集的演示 感谢> ，我只是简单地演示如何基于EfficientNet-Pytorch训练自己的数据集。 步骤1：准备自己的分类数据集 然后，数据目录应如下所示： -dataset\ -model\ -train\ -1\ -2\ ... -test\ -1\ -2\ ... 步骤2：训练和测试 （1）您可以通过修改line 169来选择是否自动下载预训练模型。 可以在> 上获得预训练的模型。 您可以在eff_weights文件夹下下载它们。 （2）更改一些设置以匹配您的数据集。 即line13-22 run efficientnet_sample.py to start train and test

【图像分类】——来来来，干了这碗EfficientNet实战（Pytorch）地址：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/117583654

PyTorch版EfficientNet实现

EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新（2021年4月2日） 已发布！ 当您阅读本文时，我正在努力实现它：) 关于EfficientNetV2： EfficientNetV2是卷积网络的新家族，与以前的模型相比，它具有更快的训练速度和更好的参数效率。 为了开发该系列模型，我们将训练感知的神经体系结构搜索和缩放结合使用，以共同优化训练速度和参数效率。 从富含新操作（例如Fused-MBConv）的搜索空

深度学习目标检测efficientdet主干网e络（backbone）efficientnetb0.pth权重文件