主要内容

efficientnetb0

卷积神经网络

折叠所有页面
  • EfficientNet-b0网络架构

语法

Net = efficientnetb0
net = efficientnetb0('权重'，'imagenet')
lgraph = efficientnetb0('Weights'，'none')

描述

EfficientNet-b0是一个卷积神经网络，它是对来自ImageNet数据库的100多万张图像进行训练的[1]．该网络可以将图像分为1000个对象类别，例如键盘、鼠标、铅笔和许多动物。因此，该网络已经学习了广泛图像的丰富特征表示。该网络的图像输入大小为224 * 224。用于MATLAB中更多的预训练网络®,请参阅预训练的深度神经网络．

你可以使用分类使用EfficientNet-b0模型对新图像进行分类。遵循以下步骤使用GoogLeNet分类图像用EfficientNet-b0取代GoogLeNet。

要在新的分类任务上重新训练网络，请遵循训练深度学习网络对新图像进行分类并加载EfficientNet-b0而不是GoogLeNet。

例子

网= efficientnetb0返回一个在ImageNet数据集上训练的EfficientNet-b0模型网络。

此功能需要深度学习工具箱™模型为EfficientNet-b0网络金宝app支持包。如果没有安装此支金宝app持包，则该函数将提供下载链接。

网= efficientnetb0(“权重”,“imagenet”）返回在ImageNet数据集上训练的EfficientNet-b0模型网络。这个语法等价于Net = efficientnetb0．

lgraph= efficientnetb0(“权重”,“没有”）返回未经训练的EfficientNet-b0模型网络架构。未经训练的模型不需要支持包。金宝app

例子

全部折叠

下载并安装深度学习工具箱模型为EfficientNet-b0网络金宝app支持包。

类型efficientnetb0在命令行。

efficientnetb0

如果深度学习工具箱模型为EfficientNet-b0网络金宝app支持包未安装，则该函数在外接程序资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装．通过输入检查安装是否成功efficientnetb0在命令行。如果安装了所需的支持包，则函数返金宝app回DAGNetwork对象。

efficientnetb0
ans = DAGNetwork with properties: Layers: [290×1 nnet.cnn.layer.Layer] Connections: [363×2 table] InputNames: {'ImageInput'} OutputNames: {'classification'}

使用深度网络设计器可视化网络。

deepNetworkDesigner (efficientnetb0)

通过单击在深度网络设计器中探索其他预训练的网络新．

深度网络设计器开始页显示可用的预训练网络

如果需要下载网络，请在需要下载的网络上暂停，然后单击安装打开附加组件资源管理器。

输出参数

全部折叠

预训练的effentnet -b0卷积神经网络，返回为DAGNetwork对象。

未经训练的EfficientNet-b0卷积神经网络架构，返回为LayerGraph对象。

参考文献

[1]ImageNet．http://www.image-net.org

[2] Mingxing Tan和Quoc V. Le，“EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks，”ArXiv:1905.1194, 2019年。

扩展功能

版本历史

R2020b中介绍

另请参阅

||||||||||||

主题