如何用 timm 快速上手 tf_efficientnet_cc_b0_8e.in1k?面向初学者的首次图像分类完整教程
如何用 timm 快速上手 tf_efficientnet_cc_b0_8e.in1k?面向初学者的首次图像分类完整教程
tf_efficientnet_cc_b0_8e.in1k 是 timm(PyTorch Image Models)中一个开箱即用的图像分类模型:基于 EfficientNet 结构 + CondConv 条件卷积,由论文作者在 TensorFlow 中训练于 ImageNet-1k 数据集,再由 Ross Wightman 移植到 PyTorch。它仅约 2400 万参数、算力消耗仅 0.4 GMACs,非常适合新手在 CPU / 低配 GPU 上完成第一次图像分类实战。本文带你从安装到推理一次跑通。
这个模型是什么?
💡 可以把它理解为"小身材、大能量"的图像分类器:
- EfficientNet:通过复合缩放(深度、宽度、分辨率)在精度和效率之间取得平衡的经典卷积网络;
- CondConv(条件卷积):根据输入内容动态组合卷积核,用更少的参数实现更强的表达能力;
- in1k:表示在 ImageNet-1k(1000 类)数据集上预训练,可直接输出 1000 个类别的概率。
关键参数一览表
| 参数 | 数值 | 说明 |
|---|---|---|
| 参数量 | 24.0 M | 模型体积小巧,内存占用低 |
| GMACs | 0.4 | 单张图推理算力极低 |
| 输入尺寸 | 224 × 224 | 标准输入,固定为 3 通道 RGB |
| 输出类别 | 1000 | 对应 ImageNet-1k 类别 |
| 特征维度 | 1280 | 可用于提取图像向量 |
这些配置都记录在仓库的 config.json 中,例如归一化均值/标准差(mean/std 均为 0.5)和中心裁剪比例(crop_pct: 0.875):
配置详情参见:config.json
模型完整说明(模型类型、训练来源、用途)见 README.md。
安装 timm:最快上手步骤
🔧 只需一行命令安装 timm(会自动带上 PyTorch 依赖):
pip install timm torch torchvision
如果你希望直接加载本仓库中的权重文件(而不是让 timm 在线下载),可以克隆仓库:
git clone https://gitcode.com/hf_mirrors/timm/tf_efficientnet_cc_b0_8e.in1k
cd tf_efficientnet_cc_b0_8e.in1k
git lfs install
git lfs pull
⚠️ 提示:仓库里的 model.safetensors 和 pytorch_model.bin 默认是 Git LFS 指针文件(约 92 MB 实际权重),需要执行
git lfs pull才能拉取真实权重;pytorch_model.bin 是同样的权重另一种保存格式,二选一即可。
一次跑通图像分类:完整推理流程
核心思路只有 4 步:创建模型 → 生成数据变换 → 前向推理 → 取 Top-5。timm 会自动为模型匹配正确的尺寸与归一化参数,这正是新手友好之处。
from PIL import Image
import timm
import torch
img = Image.open("cat.jpg").convert("RGB")
# 1. 创建模型(自动加载 ImageNet-1k 预训练权重)
model = timm.create_model('tf_efficientnet_cc_b0_8e.in1k', pretrained=True)
model.eval()
# 2. 获取模型专属的数据变换(resize + 归一化)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
# 3. 前向推理
output = model(transforms(img).unsqueeze(0))
# 4. 查看 Top-5 预测结果
top5_prob, top5_idx = torch.topk(output.softmax(dim=1), k=5)
print(top5_prob, top5_idx)
💡 如果权重已克隆到本地,把 pretrained=True 换成本地路径即可离线使用:
model = timm.create_model(
'tf_efficientnet_cc_b0_8e.in1k',
pretrained='/path/to/tf_efficientnet_cc_b0_8e.in1k/model.safetensors'
)
输出的 top5_idx 是 ImageNet-1k 的类别编号(0~999),可自行准备一份类别名映射表把编号翻译成人类可读的标签。
进阶玩法:提取特征图与图像向量
除了分类,这个模型还能当"特征提取器",两种常用姿势(完整示例见 README.md):
提取多层特征图(Feature Map)
model = timm.create_model('tf_efficientnet_cc_b0_8e.in1k',
pretrained=True, features_only=True)
outputs = model(transforms(img).unsqueeze(0))
for o in outputs:
print(o.shape) # 例如 torch.Size([1, 112, 14, 14])
会逐层输出从 112×112 到 7×7 的金字塔特征图,适合理解"网络看到了什么"。
提取图像向量(Embedding)
model = timm.create_model('tf_efficientnet_cc_b0_8e.in1k',
pretrained=True, num_classes=0) # 去掉分类头
vec = model(transforms(img).unsqueeze(0)) # shape: (1, 1280)
得到一个 1280 维向量(维度即 config.json 中的 num_features),可用于图像检索、相似度计算等场景。
常见问题:新手避坑指南
❓ 输入图片必须是 224×224 吗?
不需要手动缩放——resolve_model_data_config + create_transform 会自动按 224×224 处理,你只需保证图片是普通 RGB 图即可。
❓ 为什么预测结果对应的是 ImageNet 类别?
因为它是 in1k(ImageNet-1k)预训练模型,num_classes 固定为 1000。想识别自己的类别(如猫狗 2 类),需要在预训练权重上做微调,把分类头换成你的类别数。
❓ 克隆下来的 .safetensors / .bin 只有 133 字节?
说明 Git LFS 未生效,文件只是指针。执行 git lfs install && git lfs pull 后重新拉取即可。
❓ 没有 GPU 能跑吗? 可以。模型仅 24M 参数、0.4 GMACs,CPU 上推理单张图也很顺畅,非常适合入门实验。
写在最后:下一步学习清单
✅ 你已完成:安装 timm → 加载 tf_efficientnet_cc_b0_8e.in1k → 完成首次图像分类推理。
接下来的推荐路线:
- 尝试更换不同图片,观察 Top-5 概率分布的变化;
- 用
features_only=True查看网络中间层特征; - 在预训练权重基础上做小数据集微调,体验"迁移学习"。
祝你的第一次图像分类实验顺利!🚀