googlenet¶
- torchvision.models.quantization.googlenet(*, weights: Optional[Union[GoogLeNet_QuantizedWeights, GoogLeNet_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableGoogLeNet [源代码]¶
来自 通过卷积更深入 的 GoogLeNet (Inception v1) 模型架构。
注意
请注意,
quantize = True
返回具有 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
。默认情况下,不使用任何预训练权重。progress (布尔值,可选) – 如果为 True,则在 stderr 上显示下载进度条。默认值为 True。
quantize (布尔值,可选) – 如果为 True,则返回模型的量化版本。默认值为 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)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。GoogLeNet_QuantizedWeights.DEFAULT
等效于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之上执行训练后量化(渴望模式)而产生的。也可作为
GoogLeNet_QuantizedWeights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
69.826
acc@5 (在 ImageNet-1K 上)
89.404
num_params
6624904
min_size
height=15, width=15
categories
tench, goldfish, great white shark, … (省略 997 个)
backend
fbgemm
recipe
unquantized
GoogLeNet_Weights.IMAGENET1K_V1
GIPS
1.50
文件大小
12.6 MB
推理转换位于
GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms
,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。使用interpolation=InterpolationMode.BILINEAR
将图像调整为resize_size=[256]
,然后执行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。
- class torchvision.models.GoogLeNet_Weights(value)[源代码]
上面的模型构建器接受以下值作为
weights
参数。GoogLeNet_Weights.DEFAULT
等效于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中移植的。也可作为
GoogLeNet_Weights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
69.778
acc@5 (在 ImageNet-1K 上)
89.53
num_params
6624904
min_size
height=15, width=15
categories
tench, goldfish, great white shark, … (省略 997 个)
recipe
GFLOPS
1.50
文件大小
49.7 MB
推理转换可在
GoogLeNet_Weights.IMAGENET1K_V1.transforms
中找到,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resize_size=[256]
和interpolation=InterpolationMode.BILINEAR
调整大小,然后进行crop_size=[224]
的中心裁剪。最后,值先重新缩放至[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。