第一步：准备数据 5种中草药数据：self.class_indict = ["百合", "党参", "山魈", "枸杞", "槐花", "金银花"] ，总共有900张图片，每个文件夹单独放一种数据 第二步：搭建模型 本文选择一个EfficientNetV2网络，其原理介绍如下：         该网络主要使用训练感知神经结构搜索和缩放的组合；在EfficientNetV1的基础

引入了Fused-MBConv模块 引入了渐进式学习策略（训练更快），该方法会根据训练图像的尺寸动态调节正则方法（Dropout，Rand Augment，Mixup）（提高训练速度、准确率）。 在EfficientNetV1中作者关注的是准确率，参数数量以及FLOPs（ 理论计算两小不代表推理速度快），在V2中作者进一步的关注模型的速度  EfficientNetV1中存在的问题：

文章目录 1.EfficientNetV2介绍2.EfficientNetV2改进1）NAS Search2）EfficientNetV2 Architecture3）EfficientNetV2 Scaling4）Progressive Learning 3.EfficientNetV2性能指标 paper链接：EfficientNetV2: Smaller Models and

前言：Hello大家好，我是小哥谈。主干网络通常指的是深度学习中的主干模型，通常由多个卷积层和池化层组成，用于提取输入数据的特征。在训练过程中，主干网络的参数会被不断优化以提高模型的准确性。YOLOv5算法中的主干网络可以有多种替换方案，为了后面讲解的方便，本篇文章就给大家介绍EfficientNetv2、Swin Transformer和PP-LCNet主干网络。🌈   前期回顾：