本文共 737 字，大约阅读时间需要 2 分钟。

EfficientNet系列的多尺寸模型在图像分类任务中展现了强大的性能，每个模型的设计都经过充分的模型调优和性能优化。不同尺寸的模型分别针对不同需求设计，以下是模型的基础配置及其对应的输入和输出特征维度信息：

• efficientnet-b0-224：适用于输入图像尺寸为224×224的任务，输入通道数为1280，输出特征图尺寸为224×224，维度为1280个通道。
• efficientnet-b1-240：设计为适应稍大尺寸输入的模型，支持240×240的图像输入，输入通道数保持1280，输出特征维度为240×240，通道数为1280。
• efficientnet-b2-260：扩展至260×260的图像输入，输入通道数为1408，输出功能尺寸为260×260，通道数为1408。
• efficientnet-b3-300：进一步扩展至300×300的输入尺寸，输入通道数为1536，输出特征图尺寸为300×300。
• efficientnet-b4-380：通过设计优化，支持更大尺寸的输入图像，380×380，输入通道数为1792，输出特征维度为380×380。
• efficientnet-b5-456：模型设计更大，支持最多456×456的输入，输入通道数为2048，输出特征尺寸为456×456。
• efficientnet-b6-528：最大输入尺寸扩展至528×528，输入通道数1960，输出特征图尺寸为528×528，通道数为1960。
• efficientnet-b7-600：支持600×600的最大输入尺寸，输入通道数为2560，输出特征尺寸为600×600，通道数为2560。

这些模型以灵活的尺寸适配性和良好的性能表现，成为多任务场景下的优良选择。