regnet_x_16gf

torchvision.models.regnet_x_16gf(*, weights: Optional[RegNet_X_16GF_Weights] = None, progress: bool =True, **kwargs: Any) → RegNet

根据 Designing Network Design Spaces 构建 RegNetX_16GF 架构。

参数:

• weights (RegNet_X_16GF_Weights, optional) – 要使用的预训练权重。请参阅下面的 RegNet_X_16GF_Weights 了解更多详细信息和可能的值。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在标准错误输出中显示下载进度条。默认值为 True。

• **kwargs – 传递给 torchvision.models.regnet.RegNet 或 torchvision.models.regnet.BlockParams 类的参数。请参考 源代码 了解有关这些类的更多详细信息。

class torchvision.models.RegNet_X_16GF_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。RegNet_X_16GF_Weights.DEFAULT 等效于 RegNet_X_16GF_Weights.IMAGENET1K_V2。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_X_16GF_Weights.IMAGENET1K_V1:

这些权重使用简单的训练方案复现了论文中的结果。

acc@1 (在 ImageNet-1K 上)	80.058
acc@5 (在 ImageNet-1K 上)	94.944
min_size	height=1, width=1
类别	tench, goldfish, great white shark, … (省略 997 个)
num_params	54278536
方案	链接
GFLOPS	15.94
文件大小	207.6 MB

推理变换可在 RegNet_X_16GF_Weights.IMAGENET1K_V1.transforms 处获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 被调整大小到 resize_size=[256]，随后进行中心裁剪到 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] 进行标准化。

RegNet_X_16GF_Weights.IMAGENET1K_V2:

这些权重通过使用 TorchVision 的 新训练方案 的修改版本，改进了原始论文的结果。也可用作 RegNet_X_16GF_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	82.716
acc@5 (在 ImageNet-1K 上)	96.196
min_size	height=1, width=1
类别	tench, goldfish, great white shark, … (省略 997 个)
num_params	54278536
方案	链接
GFLOPS	15.94
文件大小	207.6 MB

推理变换可在 RegNet_X_16GF_Weights.IMAGENET1K_V2.transforms 处获取，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 被调整大小到 resize_size=[232]，随后进行中心裁剪到 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] 进行标准化。