regnet_x_800mf¶
- torchvision.models.regnet_x_800mf(*, weights: Optional[RegNet_X_800MF_Weights] = None, progress: bool = True, **kwargs: Any) RegNet[源代码]¶
根据设计网络设计空间构建 RegNetX_800MF 架构。
- 参数：
weights (
RegNet_X_800MF_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_800MF_Weights。默认情况下，不使用任何预训练权重。progress (布尔值，可选) – 如果为 True，则将下载进度条显示到 stderr。默认为 True。
**kwargs – 传递给
torchvision.models.regnet.RegNet或torchvision.models.regnet.BlockParams类的参数。有关这些类的更多详细信息，请参阅源代码。
- 类 torchvision.models.RegNet_X_800MF_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。RegNet_X_800MF_Weights.DEFAULT等效于RegNet_X_800MF_Weights.IMAGENET1K_V2。您也可以使用字符串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。RegNet_X_800MF_Weights.IMAGENET1K_V1:
这些权重使用简单的训练方法密切复制了论文的结果。
acc@1（在 ImageNet-1K 上）
75.212
acc@5（在 ImageNet-1K 上）
92.348
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
7259656
配方
GFLOPS
0.80
文件大小
27.9 MB
推理变换可在
RegNet_X_800MF_Weights.IMAGENET1K_V1.transforms中获得，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调整到resize_size=[256]，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。RegNet_X_800MF_Weights.IMAGENET1K_V2:
这些权重通过使用 TorchVision 修改版的新训练方法改进了原始论文的结果。新的训练方法。也可作为
RegNet_X_800MF_Weights.DEFAULT使用。acc@1（在 ImageNet-1K 上）
77.522
acc@5（在 ImageNet-1K 上）
93.826
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
7259656
配方
GFLOPS
0.80
文件大小
27.9 MB
推理变换可在
RegNet_X_800MF_Weights.IMAGENET1K_V2.transforms中获得，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调整到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。
