6.模型训练4-毕设篇
EfficientNet:
它不是一味加深或加宽网络，而是用复合缩放策略（Compound Scaling），在深度（Depth）、宽度（Width）、分辨率（Resolution）之间找到了最优平衡。
EfficientNet-b0每个部分详细说明：
| 模块 | 输出尺寸 | 重复次数 | 参数解释 |
|---|---|---|---|
| Stem | 112×112×32 | 1 | Conv3x3 + BN + Swish |
| MBConv1 | 112×112×16 | 1 | Mobile Inverted Bottleneck Block |
| MBConv6 | 56×56×24 | 2 | 深度卷积 + 通道数扩大 ×6 |
| MBConv6 | 28×28×40 | 2 | 带 SE 模块（Squeeze-and-Excite） |
| MBConv6 | 14×14×80 | 3 | |
| MBConv6 | 14×14×112 | 3 | |
| MBConv6 | 7×7×192 | 4 | |
| MBConv6 | 7×7×320 | 1 | |
| Head | 7×7×1280 | 1 | 卷积 + 全局平均池化 + Dropout |
| FC | 输出维度 = 类别数 | 1 | Linear 全连接层 |
| 模型名 | 参数量 | 输入尺寸 | 适合谁用 |
|---|---|---|---|
| EfficientNet-B0 | 最小 | 224x224 | 小模型、新手上手 |
| EfficientNet-B1~B7 | 越来越大 | 输入尺寸也更高 | 精度更高，计算更多 |
| EfficientNetV2 | 升级版 | 更快更准 | 大项目、研究使用 |
base_model_efficientnet = models.efficientnet_b0(pretrained=True)
这个也离谱原本是A
这个也就离谱
