resnet18¶
- torchvision.models.quantization.resnet18(*, weights: Optional[Union[ResNet18_QuantizedWeights, ResNet18_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableResNet [source]¶
基于 《用于图像识别的深度残差学习》 的 ResNet-18 模型
注意
请注意,当
quantize = True
时,返回的模型是带有 8 位权重的量化模型。量化模型仅支持推理并在 CPU 上运行。目前尚不支持 GPU 推理。- 参数:
weights (
ResNet18_QuantizedWeights
或ResNet18_Weights
, 可选) – 模型的预训练权重。有关更多详细信息和可能的值,请参阅下方的ResNet18_QuantizedWeights
。默认情况下,不使用预训练权重。progress (bool, 可选) – 如果为 True,则向 stderr 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.QuantizableResNet
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.ResNet18_QuantizedWeights(value)[source]¶
上述模型构建器接受以下值作为
weights
参数。ResNet18_QuantizedWeights.DEFAULT
等同于ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_FBGEMM_V1'
。ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1:
这些权重是在下方列出的未量化权重的基础上进行训练后量化(eager mode)生成的。也可用作
ResNet18_QuantizedWeights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
69.494
acc@5 (在 ImageNet-1K 上)
88.882
最小尺寸
高度=1, 宽度=1
类别
丁鲷、金鱼、大白鲨等 (省略 997 个)
后端
fbgemm
方法
参数数量
11689512
未量化
ResNet18_Weights.IMAGENET1K_V1
GIPS
1.81
文件大小
11.2 MB
推理变换可在
ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms
获取,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小至resize_size=[256]
,然后进行中心裁剪至crop_size=[224]
。最后,值首先被重新缩放至[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。
- class torchvision.models.ResNet18_Weights(value)[source]
上述模型构建器接受以下值作为
weights
参数。ResNet18_Weights.DEFAULT
等同于ResNet18_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ResNet18_Weights.IMAGENET1K_V1:
这些权重使用简单的训练方法(recipe)重现了论文的结果。也可用作
ResNet18_Weights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
69.758
acc@5 (在 ImageNet-1K 上)
89.078
最小尺寸
高度=1, 宽度=1
类别
丁鲷、金鱼、大白鲨等 (省略 997 个)
参数数量
11689512
方法
GFLOPS
1.81
文件大小
44.7 MB
推理变换可在
ResNet18_Weights.IMAGENET1K_V1.transforms
获取,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小至resize_size=[256]
,然后进行中心裁剪至crop_size=[224]
。最后,值首先被重新缩放至[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。