efficientnet-b0-pytorch¶
ユースケースと概要説明¶
efficientnet-b0-pytorch
モデルは、画像分類を実行するように設計された EfficientNet モデルの 1 つです。このモデルは PyTorch* で事前トレーニングされています。すべての EfficientNet モデルは、ImageNet 画像データベースで事前トレーニングされています。このモデルファミリーの詳細については、EfficientNets for PyTorch リポジトリーを確認してください。
モデル入力は、RGB
順の形状 3, 224, 224
単一イメージで構成されるブロブです。イメージ BLOB をネットワークに渡す前に、次の手順を実行します。
次のように RGB 平均値を減算します: [123.675, 116.28, 103.53]
RGB 平均値を [58.395, 57.12, 57.375] で割ります
efficientnet-b0-pytorch
のモデル出力は、ImageNet データベース内の分類と一致する 1000 の異なる分類に対する典型的なオブジェクト分類子の出力です。
仕様¶
メトリック |
値 |
---|---|
タイプ |
分類 |
GFLOPs |
0.819 |
MParams |
5.268 |
ソース・フレームワーク |
PyTorch* |
精度¶
メトリック |
元のモデル |
変換されたモデル |
---|---|---|
上位 1 |
77.70% |
77.70% |
上位 5 |
93.52% |
93.52% |
入力¶
元のモデル¶
画像、名前: data
、形状: 1, 3, 224, 224
、形式: B, C, H, W
。
説明:
B
- バッチサイズC
- チャネルH
- 高さW
- 幅
チャネルの順番は RGB
です。平均値: [123.675, 116.28, 103.53]、スケール値: [58.395, 57.12, 57.375]
変換されたモデル¶
画像、名前: data
、形状: 1, 3, 224, 224
、形式: B, C, H, W
。
説明:
B
- バッチサイズC
- チャネルH
- 高さW
- 幅
チャネルの順番は BGR
です。
出力¶
元のモデル¶
ImageNet クラスに基づくオブジェクト分類子、名前: prob
、形状: 1, 1000
、出力データ形式: B, C
。
説明:
B
- バッチサイズC
- ロジット形式の各クラスの予測確率
変換されたモデル¶
ImageNet クラスに基づくオブジェクト分類子、名前: prob
、形状: 1, 1000
、出力データ形式: B, C
。
説明:
B
- バッチサイズC
- ロジット形式の各クラスの予測確率
モデルをダウンロードして OpenVINO™ IR 形式に変換¶
以下の例に示すように、モデルをダウンロードし、必要に応じてモデル・ダウンローダーやその他の自動化ツールによってモデルを OpenVINO™ IR 形式に変換できます。
モデル・ダウンローダーの使用例:
omz_downloader --name <model_name>
モデル・コンバーターの使用例:
omz_converter --name <model_name>
法務上の注意書き¶
元のモデルは、Apache License バージョン 2.0 に基づいて配布されています。ライセンスの内容は、<omz_dir>/models/public/licenses/APACHE-2.0-PyTorch-EfficientNet.txt
で確認できます。