Machine learning

EfficientNet

Το EfficientNet είναι μια οικογένεια αρχιτεκτονικών συνελικτικών νευρωνικών δικτύων που εισήχθη από τους Mingxing Tan και Quoc V. Le (Google Brain) στο ICML 2019, η οποία κλιμακώνει συστηματικά το βάθος, το πλάτος και την ανάλυση εισόδου του δικτύου χρησιμοποιώντας έναν ενιαίο σύνθετο συντελεστή, επιτυγχάνοντας κορυφαία ακρίβεια ταξινόμησης εικόνων με σημαντικά λιγότερες παραμέτρους και FLOPs από προηγούμενα δίκτυα όπως το ResNet και το Inception.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Tan, M. & Le, Q. V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. Proceedings of the 36th International Conference on Machine Learning (ICML 2019), PMLR 97, 6105–6114. link
  2. Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/el/deep-learning/efficientnet

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateEfficientNet (EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/efficientnet · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026