squeezenet1_1

torchvision.models.squeezenet1_1(*, weights: Optional[SqueezeNet1_1_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

来自官方 SqueezeNet 仓库的 SqueezeNet 1.1 模型。

与 SqueezeNet 1.0 相比，SqueezeNet 1.1 的计算量减少了 2.4 倍，参数略少，同时没有牺牲准确性。

参数:

• weights (SqueezeNet1_1_Weights, 可选) – 要使用的预训练权重。更多详情和可能的值，请参阅下方的 SqueezeNet1_1_Weights。默认情况下，不使用预训练权重。

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

• **kwargs – 传递给 torchvision.models.squeezenet.SqueezeNet 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.SqueezeNet1_1_Weights(value)

上述模型构建器接受以下值作为 weights 参数。SqueezeNet1_1_Weights.DEFAULT 等效于 SqueezeNet1_1_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_1_Weights.IMAGENET1K_V1:

这些权重通过一个简单的训练配方，能够很好地复现论文中的结果。也可通过 SqueezeNet1_1_Weights.DEFAULT 获取。

acc@1（在 ImageNet-1K 上）	58.178
acc@5（在 ImageNet-1K 上）	80.624
类别	丁鲷，金鱼，大白鲨，… (省略 997 个)
配方	链接
最小尺寸	height=17, width=17
参数数量	1235496
GFLOPS	0.35
文件大小	4.7 MB

推理转换可在 SqueezeNet1_1_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 调整大小至 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，值首先被重新缩放至 [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。