mnasnet0_75

torchvision.models.mnasnet0_75(*, weights: Optional[MNASNet0_75_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

MNASNet 模型，深度乘数为 0.75，出自论文 MnasNet: Platform-Aware Neural Architecture Search for Mobile。

参数：

• weights (MNASNet0_75_Weights, optional) – 要使用的预训练权重。更多详情及可能的值，请参阅下文 MNASNet0_75_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在标准错误输出显示下载进度条。默认值为 True。

• **kwargs – 传递给 torchvision.models.mnasnet.MNASNet 基类的参数。有关此类的更多详情，请参阅源代码。

class torchvision.models.MNASNet0_75_Weights(value)

上述模型构建器接受以下值作为 weights 参数。MNASNet0_75_Weights.DEFAULT 等同于 MNASNet0_75_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet0_75_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 的新训练 recipe 从头开始训练的。也可通过 MNASNet0_75_Weights.DEFAULT 获取。

准确率@1 (在 ImageNet-1K 上)	71.18
准确率@5 (在 ImageNet-1K 上)	90.496
最小尺寸	height=1, width=1
类别	丁鲷、金鱼、大白鲨，… (省略 997 个)
recipe	链接
参数数量	3170208
GFLOPS	0.21
文件大小	12.3 MB

推理转换可在 MNASNet0_75_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批量 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[232]，随后进行中心裁剪到 crop_size=[224]。最后，值首先缩放到 [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。