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 [源代码]¶
构建一个具有 1.5 倍输出通道的 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 推理尚不受支持。- 参数:
weights (
ShuffleNet_V2_X1_5_QuantizedWeights
或ShuffleNet_V2_X1_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,请参阅下面的ShuffleNet_V2_X1_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标准错误输出。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_X1_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_X1_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_X1_5_QuantizedWeights.DEFAULT
等效于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:
这些权重是通过在下面列出的非量化权重之上进行训练后量化 (急切模式) 而生成的。也可作为
ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
72.052
acc@5 (在 ImageNet-1K 上)
90.7
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
参数数量
3503624
非量化
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
中找到,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interpolation=InterpolationMode.BILINEAR
调整大小至resize_size=[232]
,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。
- 类 torchvision.models.ShuffleNet_V2_X1_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_X1_5_Weights.DEFAULT
等效于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 的新训练方案从头开始训练的。也可以作为
ShuffleNet_V2_X1_5_Weights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
72.996
acc@5 (在 ImageNet-1K 上)
91.086
最小尺寸
高度=1,宽度=1
类别
tench、goldfish、great white shark、… (省略 997 个)
配方
参数数量
3503624
GFLOPS
0.30
文件大小
13.6 MB
推理变换可在
ShuffleNet_V2_X1_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interpolation=InterpolationMode.BILINEAR
调整大小到resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,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。