Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

[T5] EfficientNet-B0: load ImageNet-pretrained model with a 3-class head

クローズ 初心者向け
  • 何か問題がありますか？
#71 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

メンテナーはふだん 1 日以内に返信

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
82/100
issue の種類
機能追加
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
python, tensorflow
領域
machine-learning

調査の方向性

SOTA_EfficientNetB0.ipynbから始めて、EfficientNetB0の読み込み例とデータの読み込み例を確認してください。issueにはモデルの設定、head、共有データ分割、前処理が指定されています。モデルを構築し、animal/trainから1つのバッチを実行してください。予測の形状が(batch, 3)になり、パラメータの総数と学習可能なパラメータ数が出力されたら完了です。

索引モデルが issue の本文から書いたものです。

説明

task-5 ws4-efficientnet

Assignment task 5 (SOTA fine-tuning).

File: SOTA_EfficientNetB0.ipynb

Tasks
  • tf.keras.applications.EfficientNetB0(include_top=False, weights="imagenet", input_shape=(64, 64, 3))
  • Add head: GlobalAveragePooling → Dropout → Dense(3, softmax)
  • Correct preprocessing: EfficientNet includes its own rescaling layer – feed raw 0–255 pixels, do not divide by 255
  • Print total and trainable parameter counts

Use the shared split in animal/train, animal/val, animal/test (64×64 RGB PNG, 700/150/150 images per class). Do not re-split or resize. No data augmentation (group decision).

Done when

Model builds and predicts shape (batch, 3) on one batch from animal/train.

Depends on

#49

Branch: feat/71-efficientnet-build · open a PR into main with Closes #71 in the description.

主要言語
Jupyter Notebook
スター
0
フォーク
0
平均マージ
2時間 30分
マージ済み PR（30日）
23

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

VisionForgeCSE/CNN-For-Image-Classification のほかの issue

VisionForgeCSE/CNN-For-Image-Classification の issue をすべて見る

似ている issue

Machine Learning の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。