mnasnet1_0¶
- torchvision.models.mnasnet1_0(*, weights: Optional[MNASNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) MNASNet [源代码]¶
来自 MnasNet:面向移动设备的平台感知神经架构搜索 论文的深度乘数为 1.0 的 MNASNet。
- 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,请参阅下面的MNASNet1_0_Weights
。默认情况下,不使用任何预训练权重。progress (布尔值, 可选) – 如果为 True,则向 stderr 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。
- 类 torchvision.models.MNASNet1_0_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。MNASNet1_0_Weights.DEFAULT
等效于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:
这些权重紧密复制了论文的结果。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
tench、goldfish、great white shark、…(省略 997 个)
配方
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
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.BILINEAR
调整大小到resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,将值首先重新缩放到[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。