快捷方式

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[源代码]

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_QuantizedWeightsShuffleNet_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

torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights(value)[源代码]

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'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]std=[0.229, 0.224, 0.225] 进行归一化。

torchvision.models.ShuffleNet_V2_X0_5_Weights(value)[源代码]

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'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]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]std=[0.229, 0.224, 0.225]进行归一化。

文档

访问 PyTorch 的全面开发者文档

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