regnet_x_400mf¶
- torchvision.models.regnet_x_400mf(*, weights: 可选[RegNet_X_400MF_Weights] = None, progress: 布尔值 = True, **kwargs: 任意) RegNet [source]¶
从 设计网络设计空间 中构建 RegNetX_400MF 架构。
- 参数:
weights (
RegNet_X_400MF_Weights
, 可选) - 要使用的预训练权重。有关更多详细信息和可能的值,请参见下面的RegNet_X_400MF_Weights
。默认情况下,不使用预训练权重。progress (布尔值, 可选) - 如果为 True,则在 stderr 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
类参数。有关这些类的更多详细信息,请参阅 源代码。
- class torchvision.models.RegNet_X_400MF_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。RegNet_X_400MF_Weights.DEFAULT
等效于RegNet_X_400MF_Weights.IMAGENET1K_V2
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。RegNet_X_400MF_Weights.IMAGENET1K_V1:
这些权重使用简单的训练配方,可以准确地复制论文的结果。
acc@1 (在 ImageNet-1K 上)
72.834
acc@5 (在 ImageNet-1K 上)
90.95
最小尺寸
高度=1,宽度=1
类别
tench、goldfish、great white shark、… (省略 997 个)
参数数量
5495976
配方
GFLOPS
0.41
文件大小
21.3 MB
推理转换在
RegNet_X_400MF_Weights.IMAGENET1K_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。使用interpolation=InterpolationMode.BILINEAR
将图像调整为resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,将值首先重新缩放到[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。RegNet_X_400MF_Weights.IMAGENET1K_V2:
这些权重使用 TorchVision 修改版的 新训练配方 改进了原始论文的结果。也可以作为
RegNet_X_400MF_Weights.DEFAULT
使用。acc@1 (在 ImageNet-1K 上)
74.864
acc@5 (在 ImageNet-1K 上)
92.322
最小尺寸
高度=1,宽度=1
类别
tench、goldfish、great white shark、… (省略 997 个)
参数数量
5495976
配方
GFLOPS
0.41
文件大小
21.3 MB
推理转换在
RegNet_X_400MF_Weights.IMAGENET1K_V2.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。使用interpolation=InterpolationMode.BILINEAR
将图像调整为resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,将值首先重新缩放到[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。