快捷方式

mnasnet0_75

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

来自MnasNet: Platform-Aware Neural Architecture Search for Mobile论文的深度乘数为 0.75 的 MNASNet。

参数:
  • weights (MNASNet0_75_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MNASNet0_75_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.mnasnet.MNASNet 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.MNASNet0_75_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。 MNASNet0_75_Weights.DEFAULT 等效于 MNASNet0_75_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

MNASNet0_75_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 的新训练配方从头开始训练的。也可以作为 MNASNet0_75_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)

71.18

acc@5 (在 ImageNet-1K 上)

90.496

最小尺寸

height=1, width=1

类别

tench, goldfish, great white shark, … (997 omitted)

配方

链接

参数数量

3170208

GFLOPS

0.21

文件大小

12.3 MB

推理变换位于 MNASNet0_75_Weights.IMAGENET1K_V1.transforms 中,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 调整大小为 resize_size=[232],然后进行 crop_size=[224] 的中心裁剪。最后,值首先重新缩放到 [0.0, 1.0],然后使用 mean=[0.485, 0.456, 0.406]std=[0.229, 0.224, 0.225] 标准化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向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解答

查看资源