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

构建一个 ShuffleNetV2 模型，输出通道数为 0.5x，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

请注意，设置 quantize = True 会返回一个使用 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 (ShuffleNet_V2_X0_5_QuantizedWeights 或 ShuffleNet_V2_X0_5_Weights，可选) – 模型的预训练权重。请参阅下文的 ShuffleNet_V2_X0_5_QuantizedWeights 了解更多详情和可能的值。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在标准错误输出 (stderr) 中显示下载进度条。默认值为 True。

• quantize (bool, optional) – 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.ShuffleNet_V2_X0_5_QuantizedWeights 基类的参数。有关此类的更多详情，请参阅源代码。

class torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights(value)

上述模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 等同于 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方列出的非量化权重基础上进行训练后量化 (eager 模式) 产生的。也可通过 ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 获得。

acc@1（在 ImageNet-1K 上）	57.972
acc@5（在 ImageNet-1K 上）	79.78
最小尺寸	height=1, width=1
类别	丁鲷、金鱼、大白鲨，…（省略 997 个）
后端	fbgemm
方案	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

推理转换可在 ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 获得，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 将尺寸调整为 resize_size=[256]，然后进行中心裁剪，尺寸为 crop_size=[224]。最后，先将值重新缩放到 [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.ShuffleNet_V2_X0_5_Weights(value)

上述模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X0_5_Weights.DEFAULT 等同于 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，旨在尽可能接近地重现论文结果。也可通过 ShuffleNet_V2_X0_5_Weights.DEFAULT 获得。

acc@1（在 ImageNet-1K 上）	60.552
acc@5（在 ImageNet-1K 上）	81.746
最小尺寸	height=1, width=1
类别	丁鲷、金鱼、大白鲨，…（省略 997 个）
方案	链接
参数数量	1366792
GFLOPS	0.04
文件大小	5.3 MB

推理转换可在 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms 获得，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 将尺寸调整为 resize_size=[256]，然后进行中心裁剪，尺寸为 crop_size=[224]。最后，先将值重新缩放到 [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。