shufflenet_v2_x2_0

torchvision.models.quantization.shufflenet_v2_x2_0(*, weights: Optional[Union[ShuffleNet_V2_X2_0_QuantizedWeights, ShuffleNet_V2_X2_0_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

构建一个输出通道数为 2.0 倍的 ShuffleNetV2 模型，详情请参阅 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design。

注意

请注意，当 quantize = True 时，将返回一个具有 8 位权重的量化模型。量化模型仅支持推理，并在 CPU 上运行。目前尚不支持 GPU 推理。

参数:

• weights （ShuffleNet_V2_X2_0_QuantizedWeights 或 ShuffleNet_V2_X2_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，请参阅下方的 ShuffleNet_V2_X2_0_QuantizedWeights。默认情况下不使用预训练权重。

• progress （布尔值，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 （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_X2_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_X2_0_QuantizedWeights(value)

上面的模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT 等同于 ShuffleNet_V2_X2_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_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

这些权重是在下方列出的未量化权重之上进行训练后量化（eager mode）生成的。也可通过 ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT 访问。

acc@1（在 ImageNet-1K 上）	75.354
acc@5（在 ImageNet-1K 上）	92.488
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
训练方法	链接
参数数量	7393996
未量化	ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1
GIPS	0.58
文件大小	7.5 MB

推理变换可在 ShuffleNet_V2_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 处获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重塑为 resize_size=[232]，然后进行中心裁剪，裁剪尺寸为 crop_size=[224]。最后，先将值重新缩放到 [0.0, 1.0] 范围，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_X2_0_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X2_0_Weights.DEFAULT 等同于 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X2_0_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_X2_0_Weights.DEFAULT 访问。

acc@1（在 ImageNet-1K 上）	76.23
acc@5（在 ImageNet-1K 上）	93.006
最小尺寸	高度=1，宽度=1
类别	丁鱥，金鱼，大白鲨，……（省略 997 个）
训练方法	链接
参数数量	7393996
GFLOPS	0.58
文件大小	28.4 MB

推理变换可在 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1.transforms 处获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 重塑为 resize_size=[232]，然后进行中心裁剪，裁剪尺寸为 crop_size=[224]。最后，先将值重新缩放到 [0.0, 1.0] 范围，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。