resnet18

torchvision.models.quantization.resnet18(*, weights: Optional[Union[ResNet18_QuantizedWeights, ResNet18_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

来自 用于图像识别的深度残差学习 的 ResNet-18 模型

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 推理尚未得到支持。

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，请参见下面的 ResNet18_QuantizedWeights。默认情况下，不使用任何预训练权重。

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

上面的模型构建器接受以下值作为 weights 参数。 ResNet18_QuantizedWeights.DEFAULT 等效于 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:

这些权重是通过在下面列出的未量化权重之上进行训练后量化（急切模式）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	tench、金鱼、大白鲨、…（省略 997 个）
后端	fbgemm
配方	链接
参数数量	11689512
未量化	ResNet18_Weights.IMAGENET1K_V1
GIPS	1.81
文件大小	11.2 MB

推理转换在 ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 中可用，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。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，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.ResNet18_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 ResNet18_Weights.DEFAULT 等效于 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配方，密切再现了论文的结果。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	tench、金鱼、大白鲨、…（省略 997 个）
参数数量	11689512
配方	链接
GFLOPS	1.81
文件大小	44.7 MB

推理转换位于 ResNet18_Weights.IMAGENET1K_V1.transforms，并执行以下预处理操作：接收 PIL.Image、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小至 resize_size=[256]，然后进行中心裁剪，大小为 crop_size=[224]。最后，值首先缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 标准化。