快捷方式

inception_v3

torchvision.models.quantization.inception_v3(*, weights: Optional[Union[Inception_V3_QuantizedWeights, Inception_V3_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableInception3[source]

来自 Rethinking the Inception Architecture for Computer Vision 论文的 Inception v3 模型架构。

注意

重要: 与其他模型不同,inception_v3 需要大小为 N x 3 x 299 x 299 的张量,请确保您的图像尺寸符合要求。

注意

请注意,设置 quantize = True 将返回一个带有 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 (Inception_V3_QuantizedWeightsInception_V3_Weights,可选) – 模型的预训练权重。有关更多详细信息和可能的值,请参阅下面的 Inception_V3_QuantizedWeights。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。默认值为 True。

  • quantize (bool, 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.QuantizableInception3 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.Inception_V3_QuantizedWeights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。Inception_V3_QuantizedWeights.DEFAULT 等同于 Inception_V3_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_FBGEMM_V1'

Inception_V3_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

这些权重是通过在下面列出的未量化权重基础上进行训练后量化(eager mode)生成的。也可用作 Inception_V3_QuantizedWeights.DEFAULT

acc@1 (在 ImageNet-1K 上)

77.176

acc@5 (在 ImageNet-1K 上)

93.354

参数数量

27161264

最小尺寸

高=75,宽=75

类别

丁鲷鱼, 金鱼, 大白鲨, ... (省略 997 个)

后端

fbgemm

生成方法

链接

未量化

Inception_V3_Weights.IMAGENET1K_V1

GIPS

5.71

文件大小

23.1 MB

推理转换可通过 Inception_V3_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 获取,并执行以下预处理操作:接受 PIL.Image 对象、批处理的 (B, C, H, W) 图像和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重设大小至 resize_size=[342],然后进行中心裁剪至 crop_size=[299]。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]std=[0.229, 0.224, 0.225] 进行归一化。

class torchvision.models.Inception_V3_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。Inception_V3_Weights.DEFAULT 等同于 Inception_V3_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

Inception_V3_Weights.IMAGENET1K_V1:

这些权重是从原始论文移植而来。也可用作 Inception_V3_Weights.DEFAULT

acc@1 (在 ImageNet-1K 上)

77.294

acc@5 (在 ImageNet-1K 上)

93.45

参数数量

27161264

最小尺寸

高=75,宽=75

类别

丁鲷鱼, 金鱼, 大白鲨, ... (省略 997 个)

生成方法

链接

GFLOPS

5.71

文件大小

103.9 MB

推理转换可通过 Inception_V3_Weights.IMAGENET1K_V1.transforms 获取,并执行以下预处理操作:接受 PIL.Image 对象、批处理的 (B, C, H, W) 图像和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重设大小至 resize_size=[342],然后进行中心裁剪至 crop_size=[299]。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]std=[0.229, 0.224, 0.225] 进行归一化。

文档

获取 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者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源