高效etb0.
高效 - B0卷积神经网络
描述
EppositionalNet-B0是一种卷积神经网络，可从ImageNet数据库中培训超过一百万个图像[1]。网络可以将图像分类为1000个对象类别，例如键盘，鼠标，铅笔和许多动物。因此，该网络已经学习了丰富的图像的丰富特征表示。该网络具有224×224的图像输入大小。对于Matlab中的更多预用网络®， 看普里德深度神经网络。
您可以使用分类使用有效的网络B0型号对新图像进行分类。follow使用googlenet对图像进行分类并用效率替换Googlenet - B0。
要在新的分类任务上重新培训网络，请按照步骤操作培训深度学习网络以分类新图像并加载效率网络-B0而不是Googlenet。
网=有效网络
此功能需要深度学习工具箱™模型用于高效网络B0网络万博1manbetx支持包。如果未安装此支持万博1manbetx包，则该函数提供了下载链接。
网=有效网络（'权重'，'Imagenet'）net = enuginaletnetb0.。
LGRAPH.=有效网络（'权重'，'没有任何'）
例子
下载WeparingNet-B0支持包万博1manbetx
下载并安装深度学习工具箱模型用于高效网络B0网络万博1manbetx支持包。
类型高效etb0.在命令行。
高效etb0.
如果是深度学习工具箱模型用于高效网络B0网络万博1manbetx不安装支持包，然后该函数提供了在附加资源管理器中的所需支持包的链接。要安装支持包，请单击“链接”，万博1manbetx然后单击安装。通过键入检查安装是否成功高效etb0.在命令行。如果安装了所需的支持包，则该函数万博1manbetx返回aDagnetwork.目的。
高效etb0.
ANS =具有属性的Dagnetwork：图层：[290×1 nnet.cnn.layer.layer]连接：[363×2表] InputNames：{'ImageInput'} OutputNames：{'Classification'}
使用深网络设计器可视化网络。
DeepNetWorkDesigner（EnformentNetB0）
点击探索深网络设计师中的其他预磨损网络新的。
如果您需要下载网络，请单击安装打开附加资源管理器。
输出参数
参考
[1]想象成。http://www.image-net.org.
[2] MingXing Tan和Quoc V.Le，“效率网：卷积神经网络的重新思考模型缩放”ARXIV预印亚克日期：1905.1194，2019年。
扩展能力
也可以看看
Dagnetwork.|深网络设计师|densenet201.|googlenet.|InceptionResNetv2.|Inceptionv3.|分层图|阴谋|resnet18|resnet50|挤压|Trainnetwork.|vgg16.|vgg19.
您还可以从以下列表中选择一个网站：
