此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • EfficientNet
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

efficientnet

最后更新
Python API: luxonis_train.nodes.backbones.efficientnet通过 torch.hub 加载的 EfficientNet-Lite0 骨干网络。

类

EfficientNet

EfficientNet-Lite0 骨干网络,返回阶段特征图。EfficientNet 将网络的深度、宽度和输入分辨率与一个复合系数一起缩放。该节点通过 torch.hub.load 加载固定的 efficientnet_lite0 模型。它运行 stem 和七个块阶段。它返回 out_indices 选择的每个阶段的输出。
  • 输入::
    • inputs (Tensor): [B, 3, H, W]
  • 输出::
    • features (list[Tensor]): 每个 out_indices 一个;默认步长为 2、4、8、16、32,通道数为 16、24、40、112、320
  • 变体:: 无。通过 params 配置节点。
  • 兼容::
    • 附加索引:-1,输入节点的最后一个输出

方法

init
Python
1def __init__(out_indices: list[int] | None = None, weights: Literal['download', 'none'] | None = None, **kwargs):
加载 efficientnet_lite0 并存储输出索引。参数
  • out_indices (list[int] | None): forward 返回的块阶段索引,从 0 到 6。超出该范围的索引不添加输出。None 或空列表选择 [0, 1, 2, 4, 6]。
  • weights (Literal['download', 'none'] | None): 值 "download" 加载 torch.hub 模型的预训练权重。任何其他值都保持随机初始化。该值未达到 BaseNode,因此检查点 URL 或 "yolo" 无效。
  • **kwargs: 转发给 BaseNode 的关键字参数。
forward
Python
1def forward(inputs: Tensor) -> list[Tensor]:
运行 stem 和块阶段。stem 是加载模型的 conv_stem、bn1 和 act1,步长为 2。后面是七个块阶段。参数
  • inputs (Tensor): 形状为 [B, 3, H, W] 的图像批次。
返回
  • list[Tensor]: 索引在 out_indices 中的每个阶段的输出,按阶段顺序排列。这些阶段的通道数分别为 16、24、40、80、112、192 和 320,步长分别为 2、4、8、16、16、32 和 32。

属性

backbone