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 [source]¶
构造一个具有 2.0x 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 推理尚不支持。- 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,请参阅下面的ShuffleNet_V2_X2_0_QuantizedWeights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 上显示下载进度条。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_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)[source]¶
上面的模型构建器接受以下值作为
weights
参数。ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT
等效于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:
这些权重是通过在下面列出的非量化权重之上进行训练后量化(渴望模式)生成的。也可以作为
ShuffleNet_V2_X2_0_QuantizedWeights.DEFAULT
使用。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
tench、goldfish、great white shark、…(省略 997 个)
后端
fbgemm
食谱
参数数量
7393996
非量化
ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1
GIPS
0.58
文件大小
7.5 MB
推理转换在
ShuffleNet_V2_X2_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms
中可用,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,这些值首先重新缩放到[0.0, 1.0]
,然后使用mean=[0.485, 0.456, 0.406]
和std=[0.229, 0.224, 0.225]
进行归一化。
- class torchvision.models.ShuffleNet_V2_X2_0_Weights(value)[source]
上面的模型构建器接受以下值作为
weights
参数。ShuffleNet_V2_X2_0_Weights.DEFAULT
等效于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 新训练配方 从头开始训练的。也可以作为
ShuffleNet_V2_X2_0_Weights.DEFAULT
使用。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
tench、goldfish、great white shark、…(省略 997 个)
食谱
参数数量
7393996
GFLOPS
0.58
文件大小
28.4 MB
推理转换可在
ShuffleNet_V2_X2_0_Weights.IMAGENET1K_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
调整为resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。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]
进行归一化。