efficientnetb0
efficient -b0卷积神经网络
语法
描述
efficient - net -b0是一个卷积神经网络，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类为1000个对象类别，如键盘、鼠标、铅笔和许多动物。因此，该网络已经学会了对广泛的图像进行丰富的特征表示。该网络的图像输入大小为224 * 224。在MATLAB中进行更多预训练的网络®,请参阅预训练深度神经网络．
你可以用分类使用efficient - net -b0模型对新图像进行分类。遵循以下步骤使用GoogLeNet对图像进行分类用EfficientNet-b0取代GoogLeNet。
若要就新的分类任务重新训练网络，请按照训练深度学习网络对新图像进行分类加载efficient - net -b0而不是GoogLeNet。
网= efficientnetb0
此功能需要深度学习工具箱™模型为高效网b0网络金宝app支持包。如果没有安装此支金宝app持包，则该功能提供下载链接。
网= efficientnetb0(“权重”,“imagenet”）Net = effective netb0．
lgraph= efficientnetb0(“权重”,“没有”）
例子
下载高效网b0支持包金宝app
下载并安装深度学习工具箱模型为高效网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高效网b0网络金宝appsupport包未安装，则该功能将在Add-On资源管理器中提供到所需支持包的链接。如果需要安装支持包，请单击链接金宝app，然后单击安装．输入命令检查安装是否成功efficientnetb0在命令行。如果安装了所需的支持包，则函数返金宝app回一个DAGNetwork对象。
efficientnetb0
ans = DAGNetwork属性: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先训练的网络新．
如果需要下载某个网络，请在该网络上暂停，然后单击安装打开附加组件资源管理器。
输出参数
参考文献
[1]ImageNet．http://www.image-net.org
[2]谭明星，“高效网络:卷积神经网络模型的再思考”，预打印ArXiv:1905.1194, 2019年。
扩展功能
版本历史
您也可以从以下列表中选择网站: