快捷方式

resnet18

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

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_QuantizedWeightsResNet18_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)[source]

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'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]std=[0.229, 0.224, 0.225] 进行归一化。

class torchvision.models.ResNet18_Weights(value)[source]

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'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]std=[0.229, 0.224, 0.225] 标准化。

文档

访问 PyTorch 的全面的开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源