用 tf_efficientnet_b1.ap_in1k 做图像分类:从数据预处理到 Top-5 预测的完整代码教程
用 tf_efficientnet_b1.ap_in1k 做图像分类:从数据预处理到 Top-5 预测的完整代码教程
本文带你用 tf_efficientnet_b1.ap_in1k 完成一个高效的图像分类流程。这是 Hugging Face 上基于 timm 的 EfficientNet-B1 预训练权重仓库:模型由原论文作者在 TensorFlow 中以 AdvProp 对抗训练方式在 ImageNet-1k 上训练,并由 Ross Wightman 移植到 PyTorch。全文涵盖模型介绍、数据预处理配置、Top-5 预测代码与进阶用法,新手也能照着跑通。
🧠 这个模型是什么?
tf_efficientnet_b1.ap_in1k 是一个 图像分类 / 特征骨干网络,核心信息来自 README.md:
| 指标 | 数值 |
|---|---|
| 参数量 Params | 7.8 M |
| 计算量 GMACs | 0.7 |
| 激活值 Activations | 10.9 M |
| 输入图像尺寸 | 240 × 240 |
| 训练数据集 | ImageNet-1k(1000 类) |
其中 ap_in1k 表示权重经过 AdvProp 对抗训练(论文:Adversarial Examples Improve Image Recognition),相比普通权重对扰动的鲁棒性更好。
💡 7.8M 参数量意味着它在保持轻量级的同时,精度表现接近更大的模型,非常适合边缘设备和推理场景。
📁 仓库结构与核心文件
整个仓库非常简洁,只有 4 个文件:
- config.json —— 模型架构与推理配置,包含
architecture: tf_efficientnet_b1、num_classes: 1000等字段 - README.md —— 模型卡片,含官方推荐的使用代码
- model.safetensors / pytorch_model.bin —— 两种格式的预训练权重
重点看 config.json 中的 pretrained_cfg,它定义了推理时的关键参数:
"input_size": [3, 240, 240],
"interpolation": "bicubic",
"crop_pct": 0.882,
"mean": [0.5, 0.5, 0.5],
"std": [0.5, 0.5, 0.5]
这几行正是「数据预处理要做什么」的答案:** bicubic 插值缩放、center crop、按 0.5/0.5 归一化**,稍后代码会自动读取这些配置。
🚀 快速开始:加载模型与数据预处理
推荐使用 timm.create_model 加载,它能自动匹配本仓库的预处理配置,省去手动调参:
from PIL import Image
import timm
model = timm.create_model('tf_efficientnet_b1.ap_in1k', pretrained=True)
model = model.eval()
# 自动获取模型专属的预处理配置(归一化、缩放、裁剪)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
img = Image.open('your_image.jpg').convert('RGB')
这里的关键是 resolve_model_data_config:它会从配置中读出 240×240 的输入尺寸、bicubic 插值方式和均值/标准差,保证你的预处理方式和训练时完全一致——这是很多新手精度对不齐的常见原因。
🎯 Top-5 预测:从 softmax 到类别索引
预处理完成后,推理只需两步:前向传播 + 取 Top-5:
output = model(transforms(img).unsqueeze(0)) # 单图扩展为 batch=1
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
output形状为(1, 1000),对应 ImageNet 的 1000 个类别softmax(dim=1) * 100把 logits 转成概率百分比topk(..., k=5)直接拿到 Top-5 概率与类别索引
想要可读的类名,可以把 top5_class_indices 映射到 ImageNet 的类别列表即可。
🔍 进阶用法:特征提取与图像嵌入
除了分类,README.md 还提供了两种常用玩法:
1. 特征图提取(Feature Map Extraction):传 features_only=True,模型会输出多尺度特征图(如 torch.Size([1, 320, 8, 8])),适合做目标检测、分割等下游任务的骨干网络。
2. 图像嵌入(Image Embeddings):设置 num_classes=0 去掉分类头,输出 (batch, 1280) 的向量,可直接用于图像检索、相似度计算:
model = timm.create_model('tf_efficientnet_b1.ap_in1k', pretrained=True, num_classes=0)
output = model(transforms(img).unsqueeze(0)) # (1, 1280)
❓ 常见问题速查
- 输入尺寸必须 240×240 吗? 不是。
fixed_input_size为false,EfficientNet 支持多尺度输入,但推荐值仍是 240×240。 - 为什么要用对抗训练权重?
ap_in1k在训练时混入了对抗样本,泛化能力和抗干扰能力更强。 - 权重文件用哪个? PyTorch 环境加载
pytorch_model.bin,支持 safetensors 的库可加载model.safetensors。
✅ 总结
用 tf_efficientnet_b1.ap_in1k 做图像分类,核心就三步:用 timm 加载模型 → resolve_model_data_config 自动生成预处理 → topk 取 Top-5 结果。7.8M 的参数量加上对抗训练的加持,让它成为图像分类、特征提取和图像嵌入场景的高性价比选择,建议直接照本文代码跑起来体验一下!