shufflenet_v2_x0_5

torchvision.models.quantization.shufflenet_v2_x0_5(*, weights: Optional[Union[ShuffleNet_V2_X0_5_QuantizedWeights, ShuffleNet_V2_X0_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

构造一个输出通道为 0.5 倍的 ShuffleNetV2，如 ShuffleNet V2：高效 CNN 架构设计的实用指南 中所述。

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 推理尚不支持。

参数：

• weights (ShuffleNet_V2_X0_5_QuantizedWeights 或 ShuffleNet_V2_X0_5_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 ShuffleNet_V2_X0_5_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 stderr。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.ShuffleNet_V2_X0_5_QuantizedWeights 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.ShuffleNet_V2_X0_5_QuantizedWeights(value)

上面的模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 等效于 ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X0_5_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后期训练量化（急切模式）生成的。也可作为 ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	57.972
acc@5（在 ImageNet-1K 上）	79.78
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	链接
参数数量	1366792
非量化	ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1
GIPS	0.04
文件大小	1.5 MB

推理转换位于 ShuffleNet_V2_X0_5_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 调整为 resize_size=[256]，然后进行 crop_size=[224] 的中心裁剪。最后，值首先重新缩放为 [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.ShuffleNet_V2_X0_5_Weights(value)

以上模型构建器接受以下值作为weights参数。ShuffleNet_V2_X0_5_Weights.DEFAULT等效于ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

这些权重是从头开始训练的，以密切复制论文的结果。也可作为ShuffleNet_V2_X0_5_Weights.DEFAULT使用。

acc@1（在 ImageNet-1K 上）	60.552
acc@5（在 ImageNet-1K 上）	81.746
最小尺寸	高度=1，宽度=1
类别	tench、goldfish、great white shark、…（省略 997 个）
配方	链接
参数数量	1366792
GFLOPS	0.04
文件大小	5.3 MB

推理变换可在ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms中获得，并执行以下预处理操作：接受PIL.Image、批处理(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用resize_size=[256]和interpolation=InterpolationMode.BILINEAR调整大小，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。