resnext101_32x8d

torchvision.models.resnext101_32x8d(*, weights: Optional[ResNeXt101_32X8D_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

来自用于深度神经网络的聚合残差变换的 ResNeXt-101 32x8d 模型。

参数：

• weights (ResNeXt101_32X8D_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，请参见下面的ResNeXt101_32X8D_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔值，可选) – 如果为 True，则向 stderr 显示下载进度条。默认为 True。

• **kwargs – 传递给torchvision.models.resnet.ResNet基类的参数。有关此类的更多详细信息，请参阅源代码。

类 torchvision.models.ResNeXt101_32X8D_Weights(value)

上面的模型构建器接受以下值作为weights参数。ResNeXt101_32X8D_Weights.DEFAULT等效于ResNeXt101_32X8D_Weights.IMAGENET1K_V2。您也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

ResNeXt101_32X8D_Weights.IMAGENET1K_V1:

这些权重使用简单的训练配方精确地再现了论文的结果。

acc@1（在 ImageNet-1K 上）	79.312
acc@5（在 ImageNet-1K 上）	94.526
最小尺寸	高度=1，宽度=1
类别	塘鲺、金鱼、大白鲨、……（省略 997 个）
参数数量	88791336
配方	链接
GFLOPS	16.41
文件大小	339.6 MB

推理变换可在ResNeXt101_32X8D_Weights.IMAGENET1K_V1.transforms处获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整为resize_size=[256]，然后进行crop_size=[224]的中心裁剪。最后，值首先重新缩放至[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。

ResNeXt101_32X8D_Weights.IMAGENET1K_V2:

这些权重通过使用 TorchVision 的新训练配方改进了原始论文的结果。也可作为ResNeXt101_32X8D_Weights.DEFAULT使用。

acc@1（在 ImageNet-1K 上）	82.834
acc@5（在 ImageNet-1K 上）	96.228
最小尺寸	高度=1，宽度=1
类别	塘鲺、金鱼、大白鲨、……（省略 997 个）
参数数量	88791336
配方	链接
GFLOPS	16.41
文件大小	339.7 MB

推理变换可在ResNeXt101_32X8D_Weights.IMAGENET1K_V2.transforms处获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整为resize_size=[232]，然后进行crop_size=[224]的中心裁剪。最后，值首先重新缩放至[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。