快捷方式

efficientnet_b0

torchvision.models.efficientnet_b0(*, weights: Optional[EfficientNet_B0_Weights] = None, progress: bool = True, **kwargs: Any) EfficientNet[源代码]

来自EfficientNet: 重思卷积神经网络的模型缩放论文的 EfficientNet B0 模型架构。

参数:
  • weights (EfficientNet_B0_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 EfficientNet_B0_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool, 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.efficientnet.EfficientNet 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.EfficientNet_B0_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 EfficientNet_B0_Weights.DEFAULT 等效于 EfficientNet_B0_Weights.IMAGENET1K_V1。您还可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

EfficientNet_B0_Weights.IMAGENET1K_V1:

这些权重是从原始论文中移植的。也可作为 EfficientNet_B0_Weights.DEFAULT 获取。

acc@1 (在 ImageNet-1K 上)

77.692

acc@5 (在 ImageNet-1K 上)

93.532

类别

tench, goldfish, great white shark, … (省略 997 个)

最小尺寸

高度=1,宽度=1

食谱

链接

参数数量

5288548

GFLOPS

0.39

文件大小

20.5 MB

推理转换可在 EfficientNet_B0_Weights.IMAGENET1K_V1.transforms 中获得,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.BICUBIC 调整大小至 resize_size=[256],然后进行 crop_size=[224] 的中央裁剪。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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源