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

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)

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	链接
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)

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	链接
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。