shufflenet_v2_x1_0

torchvision.models.shufflenet_v2_x1_0(*, weights: Optional[ShuffleNet_V2_X1_0_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

构建具有 1.0x 输出通道的 ShuffleNetV2 架构，如 ShuffleNet V2: Efficient CNN Architecture Design 的实用指南 中所述。

参数:

• weights (ShuffleNet_V2_X1_0_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 ShuffleNet_V2_X1_0_Weights。 默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则将下载进度条显示到 stderr。 默认为 True。

• **kwargs – 传递给 torchvision.models.shufflenetv2.ShuffleNetV2 基类的参数。 有关此类的更多详细信息，请参阅 源代码。

class torchvision.models.ShuffleNet_V2_X1_0_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 ShuffleNet_V2_X1_0_Weights.DEFAULT 等同于 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1。 您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1:

这些权重是从头开始训练的，以紧密重现论文的结果。 也可作为 ShuffleNet_V2_X1_0_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	69.362
acc@5 (在 ImageNet-1K 上)	88.316
min_size	height=1, width=1
类别	tench, goldfish, great white shark, … (省略 997 个)
配方	链接
num_params	2278604
GFLOPS	0.14
文件大小	8.8 MB

推理变换可在 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1.transforms 中找到，并执行以下预处理操作： 接受 PIL.Image、批量 (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，值首先重新缩放到 [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。