EfficientNet-B0是Google在2019年提出的EfficientNet系列的基础版本。EfficientNet通过一种称为“复合缩放”（Compound Scaling）的方法，联合优化了网络的深度、宽度和分辨率，从而实现了更高的计算效率和精度。EfficientNet-B0使用了Mobile Inverted Bottleneck卷积（MBConv）模块，并结合了深度可分离卷积，从而显著减少了参数和计算量。尽管是系列中的最小模型，EfficientNet-B0在多个计算机视觉任务中表现出色，能够在保持高精度的同时实现较低的资源需求，广泛应用于移动设备和边缘计算等资源受限的环境。

源模型

• 输入尺寸: 224x224
• 参数量: 5.04M
• 模型大小: 20.16M
• 输出尺寸：1x1000

源模型仓库：EfficientNet-B0

在右侧性能参考板块中点击模型转换参考查看模型转换步骤

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK实现

SDK安装

详情请参考AidLite开发者文档

• 安装AidLite SDK

# install aidlite sdk c++ api
sudo aid-pkg -i aidlite-sdk

# install aidlite sdk python api
python3 -m pip install pyaidlite -i https://mirrors.aidlux.com --trusted-host mirrors.aidlux.com

• 验证AidLite SDK

# aidlite sdk c++ check
python3 -c "import aidlite; print(aidlite.get_library_version())"

# aidlite sdk python check
python3 -c "import aidlite; print(aidlite.get_py_library_version())"

推理示例代码

• 点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md