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