resnext101_64x4d¶
- torchvision.models.quantization.resnext101_64x4d(*, weights: Optional[Union[ResNeXt101_64X4D_QuantizedWeights, ResNeXt101_64X4D_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableResNet [源代码]¶
来自 深度神经网络的聚合残差变换 的 ResNeXt-101 64x4d 模型
注意
请注意,
quantize = True
返回一个具有 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 推理尚不受支持。- 参数:
weights (
ResNeXt101_64X4D_QuantizedWeights
或ResNeXt101_64X4D_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ResNet101_64X4D_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,则将下载进度条显示到标准错误输出。默认为 True。
quantize (布尔值,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。
- 类 torchvision.models.quantization.ResNeXt101_64X4D_QuantizedWeights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。ResNeXt101_64X4D_QuantizedWeights.DEFAULT
等效于ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1
。您还可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_FBGEMM_V1'
。ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1:
这些权重是通过在下面列出的非量化权重之上进行训练后量化(急切模式)生成的。也可以作为
ResNeXt101_64X4D_QuantizedWeights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
82.898
acc@5(在 ImageNet-1K 上)
96.326
最小尺寸
高度=1,宽度=1
类别
tench、goldfish、great white shark、…(省略 997 个)
后端
fbgemm
配方
参数数量
83455272
非量化
ResNeXt101_64X4D_Weights.IMAGENET1K_V1
GIPS
15.46
文件大小
81.6 MB
推理转换位于
ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms
处,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
调整到resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,值首先重新缩放至[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。
- 类 torchvision.models.ResNeXt101_64X4D_Weights(value)[源代码]
上面的模型构建器接受以下值作为
weights
参数。ResNeXt101_64X4D_Weights.DEFAULT
等效于ResNeXt101_64X4D_Weights.IMAGENET1K_V1
。您还可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ResNeXt101_64X4D_Weights.IMAGENET1K_V1:
这些权重是使用 TorchVision 的 新的训练方案 从头开始训练的。也可以作为
ResNeXt101_64X4D_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
83.246
acc@5(在 ImageNet-1K 上)
96.454
最小尺寸
高度=1,宽度=1
类别
tench、goldfish、great white shark、…(省略 997 个)
参数数量
83455272
配方
GFLOPS
15.46
文件大小
319.3 MB
推理变换可以在
ResNeXt101_64X4D_Weights.IMAGENET1K_V1.transforms
中找到,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=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,将值首先重新缩放至[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。