如何快速上手tf_efficientnetv2_b3.in21k:5分钟跑通第一个图像分类示例
如何快速上手tf_efficientnetv2_b3.in21k:5分钟跑通第一个图像分类示例
tf_efficientnetv2_b3.in21k 是论文作者在 ImageNet-21k 上预训练的 EfficientNetV2-B3 图像分类模型,由 timm(PyTorch Image Models)社区提供 PyTorch 版本。它仅有 4640 万参数、推理速度快,适合图像分类、特征提取与图像嵌入等场景。跟着本教程操作,你可以在 5 分钟内跑通第一个图像分类示例。
💡 一、tf_efficientnetv2_b3.in21k 是什么模型?
一句话概括:它是 EfficientNetV2-B3 的「ImageNet-21k 预训练版」,一个轻量且精度优秀的高效 CNN 分类模型。
- 模型类型:图像分类 / 特征主干(feature backbone)
- 预训练数据集:ImageNet-21k,共 21,843 个图像类别
- 模型规模:约 46.4M 参数,计算量仅 2.0 GMACs
- 输入尺寸:训练 240×240,测试 300×300
- 来源:官方 TensorFlow 实现,由 timm 作者 Ross Wightman 移植为 PyTorch
相比常见的 ImageNet-1k(in1k)版本,in21k 版本在预训练阶段见过更多、更细的类别,学到的视觉特征更通用,做下游任务微调时通常效果更佳。
完整的模型参数说明可查看 README.md。
📦 二、30 秒看懂仓库文件
本仓库是一个标准的 timm 模型权重仓库,只包含 4 个文件:
| 文件 | 作用 |
|---|---|
| README.md | 模型卡片:模型细节 + 3 种官方用法示例代码 |
| config.json | 模型配置文件:架构名、类别数、预处理参数 |
| model.safetensors | 模型权重(safetensors 格式,推荐) |
| pytorch_model.bin | 模型权重(传统 PyTorch 格式) |
打开 config.json 可以看到几个关键参数:
num_classes: 21843→ 分类头输出 21,843 个类别的分数num_features: 1536→ 全局池化后的特征向量维度mean / std: [0.5, 0.5, 0.5]→ 推理时使用的图像归一化参数
⚡ 三、快速上手:3 步加载并推理
第 1 步:安装 timm 依赖
在终端执行:
pip install timm
第 2 步:一行代码加载预训练模型
import timm
# 一行代码加载带预训练权重的 tf_efficientnetv2_b3.in21k 图像分类模型
model = timm.create_model('tf_efficientnetv2_b3.in21k', pretrained=True)
model.eval()
加载时会自动下载并校验权重(对应仓库中的 model.safetensors),无需手动处理文件。
第 3 步:跑通图像分类推理
import torch
from PIL import Image
import timm.data
img = Image.open('your_photo.jpg') # 换成你本地任意图片路径
# 根据模型配置自动生成预处理(缩放 + 归一化)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
output = model(transforms(img).unsqueeze(0)) # 补一个 batch 维度
top5_prob, top5_idx = torch.topk(output.softmax(dim=1) * 100, k=5)
print(top5_prob, top5_idx)
看到 Top-5 类别概率和编号后,你就已经跑通了第一个图像分类示例 🎉
完整官方示例代码见 README.md。
🔧 四、两种进阶用法(可选)
除了直接分类,这个模型还有两种常用玩法,只需在创建模型时加一个参数:
- 提取多尺度特征图:传入
features_only=True,输出 120×120、60×60 等多层特征图,可直接接分割、检测等下游任务; - 提取图像嵌入向量:传入
num_classes=0去掉分类头,输出 1536 维图像向量,可用于图像检索、去重和聚类。
完整代码见 README.md 中的 Feature Map Extraction 与 Image Embeddings 章节。
❓ 五、in21k 模型常见问题快答
Q1:in21k 和 in1k 到底有什么区别? in1k 在 ImageNet-1k(1000 类)上预训练;in21k 在 ImageNet-21k(21,843 类)上预训练,知识覆盖面更广。做迁移学习/微调优先选 in21k;直接在 ImageNet-1k 基准上评测则选 in1k。
Q2:输入图片要用多大的尺寸?
模型训练用 240×240、测试用 300×300。建议直接用 timm.data.create_transform 自动生成预处理(如上示例),它会自动处理好尺寸与归一化,无需手动纠结。
Q3:没有 GPU 能跑吗? 可以。模型仅 46.4M 参数,CPU 上单张图推理只需几秒;有 GPU 则更快。
Q4:需要手动下载或 clone 权重文件吗?
不需要。pretrained=True 会自动完成权重下载与校验,仓库本身只是权重的存储源。
✅ 六、一句话总结
| 项目 | 结论 |
|---|---|
| 是什么 | EfficientNetV2-B3 图像分类模型(ImageNet-21k 预训练,PyTorch 版) |
| 安装 | pip install timm |
| 加载 | timm.create_model('tf_efficientnetv2_b3.in21k', pretrained=True) |
| 主要用途 | 图像分类 / 特征图提取 / 图像嵌入 |
| 关键文件 | README.md、config.json、model.safetensors |
现在,你可以用自己的数据集微调它,或把它接入计算机视觉项目开始实战了。