efficientnetb0
effecentnet -b0卷积神经网络
描述
effecentnet -b0是一个卷积神经网络，它通过ImageNet数据库中的100多万张图像进行训练［1］．该网络可以将图像分为1000种对象类别，如键盘、鼠标、铅笔和许多动物。因此，该网络学习了丰富的特征表示，广泛的图像。该网络的图像输入尺寸为224乘224。在MATLAB中进行更多的预训练网络®,请参阅预处理的深度神经网络．
您可以使用分类使用effecentnet -b0模型对新图像进行分类。按照下列步骤使用GoogLeNet分类图像把GoogLeNet换成EfficientNet-b0。
要对网络进行新的分类任务的再培训，请按照训练深度学习网络来分类新图像用effecentnet -b0代替GoogLeNet。
净= efficientnetb0
该功能需要深度学习工具箱™模型EfficientNet-b0网络金宝app支持包。如果没有安装此支金宝app持包，则该函数提供一个下载链接。
净= efficientnetb0(“权重”,“imagenet”）网= efficientnetb0．
lgraph= efficientnetb0(“权重”,“没有”）
例子
下载effecentnet -b0支持包金宝app
下载并安装深度学习工具箱模型EfficientNet-b0网络金宝app支持包。
类型efficientnetb0在命令行。
efficientnetb0
如果是深度学习工具箱模型EfficientNet-b0网络金宝app如果没有安装支持包，则该函数在Add-On Explorer中提供到所需支持包的链接。若要安装支持包，请单击链接，然金宝app后单击安装．通过键入来检查安装是否成功efficientnetb0在命令行。如果安装了所需的支持包，则函数返金宝app回aDAGNetwork对象。
efficientnetb0
ans = DAGNetwork with properties: Layers: [290×1 nnet.cnn.layer.Layer] Connections: [363×2 table] InputNames: {'ImageInput'} OutputNames: {'classification'}
可视化网络使用深度网络设计器。
deepNetworkDesigner (efficientnetb0)
在深度网络设计器中通过点击探索其他预训练的网络新．
如果需要下载网络，请在需要下载的网络上暂停，单击安装打开Add-On资源管理器。
输出参数
参考文献
［1］ImageNet．http://www.image-net.org
[2] Mingxing Tan和Quoc V. Le，“EfficientNet:对卷积神经网络缩放模型的再思考”，ArXiv预印本ArXiv: 1905.1194, 2019年。
扩展功能
另请参阅
深层网络设计师|squeezenet|vgg16|vgg19|resnet18|resnet50|googlenet|inceptionv3|inceptionresnetv2|densenet201|trainNetwork|layerGraph|DAGNetwork
您也可以从以下列表中选择一个网站:
