shufflenet_v2_x1_5¶
- torchvision.models.quantization.shufflenet_v2_x1_5(*, weights: Optional[Union[ShuffleNet_V2_X1_5_QuantizedWeights, ShuffleNet_V2_X1_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableShuffleNetV2 [source]¶
构建一个输出通道数为 1.5 倍的 ShuffleNetV2 模型,详情请参阅论文 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design。
注意
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。目前尚不支持 GPU 推理。- 参数:
weights (
ShuffleNet_V2_X1_5_QuantizedWeights
或ShuffleNet_V2_X1_5_Weights
, 可选) – 模型的预训练权重。请参阅下方的ShuffleNet_V2_X1_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, 可选) – 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, 可选) – 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_X1_5_QuantizedWeights
基类的参数。请参阅源代码了解有关此类的更多详情。
- class torchvision.models.quantization.ShuffleNet_V2_X1_5_QuantizedWeights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT
等同于ShuffleNet_V2_X1_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_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1:
这些权重是在下方列出的非量化权重之上进行训练后量化(eager 模式)生成的。也可通过
ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT
获取。acc@1 (在 ImageNet-1K 上)
72.052
acc@5 (在 ImageNet-1K 上)
90.7
最小尺寸
高=1, 宽=1
类别
丁鳜, 金鱼, 大白鲨, … (省略 997 个)
后端
fbgemm
训练方法
参数数量
3503624
未量化
ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1
GIPS
0.30
文件大小
3.7 MB
推理转换可在
ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms
获取,并执行以下预处理操作:接受PIL.Image
、批量(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
重置大小为resize_size=[232]
,然后进行中心裁剪,大小为crop_size=[224]
。最后,值首先被重新缩放到[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_X1_5_Weights(value)[source]
上面的模型构建器接受以下值作为
weights
参数。ShuffleNet_V2_X1_5_Weights.DEFAULT
等同于ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1:
这些权重是使用 TorchVision 的新训练方法从头开始训练的。也可通过
ShuffleNet_V2_X1_5_Weights.DEFAULT
获取。acc@1 (在 ImageNet-1K 上)
72.996
acc@5 (在 ImageNet-1K 上)
91.086
最小尺寸
高=1, 宽=1
类别
丁鳜, 金鱼, 大白鲨, … (省略 997 个)
训练方法
参数数量
3503624
GFLOPS
0.30
文件大小
13.6 MB
推理转换可在
ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1.transforms
获取,并执行以下预处理操作:接受PIL.Image
、批量(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
重置大小为resize_size=[232]
,然后进行中心裁剪,大小为crop_size=[224]
。最后,值首先被重新缩放到[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。