mnasnet1_0

torchvision.models.mnasnet1_0(*, weights: Optional[MNASNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

具有 1.0 深度乘子的 MNASNet，来自论文《MnasNet: 面向平台的神经架构搜索》（MnasNet: Platform-Aware Neural Architecture Search for Mobile）。

参数：

• weights (MNASNet1_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，请参阅下文中的 MNASNet1_0_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 中显示下载进度条。默认为 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.MNASNet1_0_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。MNASNet1_0_Weights.DEFAULT 等同于 MNASNet1_0_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet1_0_Weights.IMAGENET1K_V1:

这些权重与论文的结果非常接近。也可作为 MNASNet1_0_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	73.456
acc@5（在 ImageNet-1K 上）	91.51
最小尺寸	高度=1，宽度=1
类别	丁鱥, 金鱼, 大白鲨, ... (省略 997 个)
训练方案	链接
参数数量	4383312
GFLOPS	0.31
文件大小	16.9 MB

推理变换可在 MNASNet1_0_Weights.IMAGENET1K_V1.transforms 获得，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 被调整到 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。