EfficientNet使用心得

       EfficientNet是目前图像分类中最好的网络之一了，参数数量小（较VGG和Inception都小好几倍），运行速度快，github上的地址为：https://github.com/lukemelas/EfficientNet-PyTorch。对论文的解读可以百度到很多，学习下理论可以，但是对模型的复现和ImageNet的训练，对于我只有2G显存显卡的笔记本电脑来说，还是别做这个梦了。
git下来源码，自己下载了efficientnet-b3模型参数文件（github上速度超慢，49M的文件花了我一个晚上才下完，满满都是泪。虽然码云上也有别人复制过来的仓库，但是全部都只复制了代码，没有作者预训练好的模型参数。），作者说可以直接pip install efficient-pytorch安装，但这样安装后发现有个问题：每次运行都要重新从github上下载模型文件，不能指定模型文件的路径加载。因此对源码做了一点修改，如下。
1、在源码 /efficientnet-pytorch/目录下修改utils.py文件，添加自己的函数

def load_local_weights(model,filepath,load_fc=True):
    """ Loads pretrained weights from local file ."""
    if (not os.path.exists(filepath)):
        raise ValueError('%s does not exist.' % filepath)
    state_dict=torch.load(filepath)
    if load_fc:        
        model.load_state_dict(state_dict)
    else:
        state_dict.pop('_fc.weight')
        state_dict.pop('_fc.bias')
        res = model.load_state_dict(state_dict, strict=False)
        assert set(res.missing_keys) == set(['_fc.weight', '_fc.bias']), 'issue loading pretrained weights'
    print('Loaded pretrained weights for {}'.format(filepath))

2、在源码 /efficientnet-pytorch/目录下修改model.py文件,在EfficientNet类中添加如下函数、

    @classmethod
    def from_local_file(cls,model_name,model_file,num_classes=1000):
        """Loads weights parameters from local file"""
        model=cls.from_name(model_name,override_params={'num_classes':num_classes})
        load_local_weights(model,model_file, load_fc=(num_classes==1000))
        return model

3、运行/setup.py，重新构建包：

>>>cd 
>>>python setup.py build
>>>python setup.py install

就将包安装到我的虚拟环境下的库目录下。

4、使用：
from efficientnet_pytorch import EfficientNet
model=EfficientNet.from_local_file('efficientnet-b3',<你的模型文件路径>)
之后就可以用该model进行前向推理了。EfficientNet果然不凡，参数量小，速度相当快，网上随意下了几张图片，都能准确推理出来。随后会将代码和模型文件上传到csdn