googlenet

torchvision.models.quantization.googlenet(*, weights: Optional[Union[GoogLeNet_QuantizedWeights, GoogLeNet_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableGoogLeNet

来自 Going Deeper with Convolutions 论文的 GoogLeNet (Inception v1) 模型架构。

注意

请注意，当 quantize = True 时，返回一个带有 8 位权重的量化模型。量化模型仅支持推理并在 CPU 上运行。GPU 推理尚不支持。

参数:

• weights (GoogLeNet_QuantizedWeights 或 GoogLeNet_Weights, 可选) – 模型的预训练权重。有关更多详细信息和可能的值，请参见下面的GoogLeNet_QuantizedWeights。默认不使用预训练权重。

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

• quantize (bool, 可选) – 如果为 True，则返回模型的量化版本。默认为 False。

• **kwargs – 传递给 torchvision.models.quantization.QuantizableGoogLeNet 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.quantization.GoogLeNet_QuantizedWeights(value)

上面的模型构建器接受以下值作为 weights 参数。 GoogLeNet_QuantizedWeights.DEFAULT 等同于 GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

这些权重是通过在下面列出的未量化权重的基础上进行训练后量化（eager 模式）生成的。也可用作 GoogLeNet_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.826
acc@5 (在 ImageNet-1K 上)	89.404
参数数量	6624904
最小尺寸	高度=15, 宽度=15
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 项)
后端	fbgemm
方法	链接
未量化	GoogLeNet_Weights.IMAGENET1K_V1
GIPS	1.50
文件大小	12.6 MB

推理转换可通过 GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 获取，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) 格式的图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，先将值重新缩放到 [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。

class torchvision.models.GoogLeNet_Weights(value)

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

GoogLeNet_Weights.IMAGENET1K_V1:

这些权重是从原始论文移植而来。也可用作 GoogLeNet_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.778
acc@5 (在 ImageNet-1K 上)	89.53
参数数量	6624904
最小尺寸	高度=15, 宽度=15
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 项)
方法	链接
GFLOPS	1.50
文件大小	49.7 MB

推理转换可通过 GoogLeNet_Weights.IMAGENET1K_V1.transforms 获取，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) 格式的图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像大小调整为 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，先将值重新缩放到 [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。