shufflenet_v2_x1_0

torchvision.models.quantization.shufflenet_v2_x1_0(*, weights: Optional[Union[ShuffleNet_V2_X1_0_QuantizedWeights, ShuffleNet_V2_X1_0_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

构建一个具有 1.0x 输出通道的 ShuffleNetV2 模型，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

请注意，quantize = True 返回一个带有 8 位权重的量化模型。量化模型仅支持推理并在 CPU 上运行。尚不支持 GPU 推理。

参数:

• weights (ShuffleNet_V2_X1_0_QuantizedWeights 或 ShuffleNet_V2_X1_0_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_X1_0_QuantizedWeights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则向标准错误输出显示下载进度条。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.ShuffleNet_V2_X1_0_QuantizedWeights 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.ShuffleNet_V2_X1_0_QuantizedWeights(value)

上面的模型构建器接受以下值作为 weights 参数。 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT 等同于 ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

这些权重是通过在下面列出的未量化权重的基础上进行训练后量化（eager mode）生成的。也可使用 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT。

acc@1（在 ImageNet-1K 上）	68.36
acc@5（在 ImageNet-1K 上）	87.582
最小尺寸	高度=1, 宽度=1
类别	丁鱥, 金鱼, 大白鲨, ... (省略 997 个)
后端	fbgemm
配方	链接
参数数量	2278604
未量化	ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1
GIPS	0.14
文件大小	2.3 MB

推理转换可通过 ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重设大小到 resize_size=[256]，然后进行中心裁剪到 crop_size=[224]。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] 和 std=[0.229, 0.224, 0.225] 进行标准化。

class torchvision.models.ShuffleNet_V2_X1_0_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 ShuffleNet_V2_X1_0_Weights.DEFAULT 等同于 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1:

这些权重是从头开始训练的，以尽量重现论文的结果。也可使用 ShuffleNet_V2_X1_0_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	69.362
acc@5（在 ImageNet-1K 上）	88.316
最小尺寸	高度=1, 宽度=1
类别	丁鱥, 金鱼, 大白鲨, ... (省略 997 个)
配方	链接
参数数量	2278604
GFLOPS	0.14
文件大小	8.8 MB

推理转换可通过 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重设大小到 resize_size=[256]，然后进行中心裁剪到 crop_size=[224]。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] 和 std=[0.229, 0.224, 0.225] 进行标准化。