regnet_y_400mf

torchvision.models.regnet_y_400mf(*, weights: 可选[RegNet_Y_400MF_Weights] = None, progress: 布尔 = True, **kwargs: 任何) → RegNet

从设计网络设计空间构建 RegNetY_400MF 架构。

参数:

• weights (RegNet_Y_400MF_Weights, 可选) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的 RegNet_Y_400MF_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔, 可选) – 如果为 True，则在 stderr 上显示下载进度条。默认值为 True。

• **kwargs – 传递给 torchvision.models.regnet.RegNet 或 torchvision.models.regnet.BlockParams 类。有关这些类的更多详细信息，请参阅 源代码。

class torchvision.models.RegNet_Y_400MF_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 RegNet_Y_400MF_Weights.DEFAULT 等同于 RegNet_Y_400MF_Weights.IMAGENET1K_V2。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_400MF_Weights.IMAGENET1K_V1:

这些权重使用简单的训练配方准确地再现了论文的结果。

acc@1（在 ImageNet-1K 上）	74.046
acc@5（在 ImageNet-1K 上）	91.716
最小尺寸	高度=1，宽度=1
类别	鲉鱼、金鱼、大白鲨、… （省略 997 个）
参数数量	4344144
配方	链接
GFLOPS	0.40
文件大小	16.8 MB

推理转换在 RegNet_Y_400MF_Weights.IMAGENET1K_V1.transforms 中提供，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，将值先重新缩放为 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。

RegNet_Y_400MF_Weights.IMAGENET1K_V2:

这些权重使用 TorchVision 的 新训练配方 的修改版改进了原始论文的结果。也可以作为 RegNet_Y_400MF_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	75.804
acc@5（在 ImageNet-1K 上）	92.742
最小尺寸	高度=1，宽度=1
类别	鲉鱼、金鱼、大白鲨、… （省略 997 个）
参数数量	4344144
配方	链接
GFLOPS	0.40
文件大小	16.8 MB

推理转换在 RegNet_Y_400MF_Weights.IMAGENET1K_V2.transforms 中提供，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[232]，然后进行 crop_size=[224] 的中心裁剪。最后，将值先重新缩放为 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。