efficientnet-v2-s¶
ユースケースと概要説明¶
efficientnet-v2-s
モデルは、ImageNet-21k データセットで事前トレーニングされ、画像分類タスク用に ImageNet-1k で微調整された EfficientNetV2 の小さなバリアントです。EfficientNetV2 は、以前のモデルよりもトレーニング速度が速く、パラメーター効率が優れている畳み込みネットワークの新しいファミリーです。トレーニングを考慮したニューラル・アーキテクチャーの検索とスケーリングの組み合わせが開発に使用され、トレーニングの速度とパラメーターの効率を共同で最適化しました。
仕様¶
メトリック |
値 |
---|---|
タイプ |
分類 |
GFlops |
16.9406 |
MParams |
21.3816 |
ソース・フレームワーク |
PyTorch* |
精度¶
メトリック |
値 |
---|---|
上位 1 |
84.29% |
上位 5 |
97.26% |
入力¶
元のモデル¶
画像、名前: input
、形状: 1, 3, 384, 384
、形式: B, C, H, W
。
説明:
B
- バッチサイズC
- チャネル数H
- 画像の髙さW
- 画像の幅
予想される色の順序: RGB
。平均値: [127.5, 127.5, 127.5]、スケール値: [127.5, 127.5, 127.5]
変換されたモデル¶
画像、名前: input
、形状: 1, 3, 384, 384
、形式: B, C, H, W
。
説明:
B
- バッチサイズC
- チャネル数H
- 画像の髙さW
- 画像の幅
予想される色の順序: BGR
。
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: logits
、形状: 1, 1000
、出力データ形式: B, C
。
説明:
B
- バッチサイズC
- ロジット形式のすべてのデータセット・クラスの確率ベクトル。
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: logits
、形状: 1, 1000
、出力データ形式: B, C
。
説明:
B
- バッチサイズC
- ロジット形式のすべてのデータセット・クラスの確率ベクトル。
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-Image-Models.txt
で確認できます。