regnet_y_128gf¶
- torchvision.models.regnet_y_128gf(*, weights: Optional[RegNet_Y_128GF_Weights] = None, progress: bool = True, **kwargs: Any) RegNet [源代码]¶
根据设计网络设计空间构建 RegNetY_128GF 架构。
- 参数:
weights (
RegNet_Y_128GF_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_Y_128GF_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标准错误输出。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_Y_128GF_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。RegNet_Y_128GF_Weights.DEFAULT
等效于RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_V1
。您还可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_SWAG_E2E_V1'
。RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_V1:
这些权重是通过端到端微调原始SWAG权重在 ImageNet-1K 数据上进行迁移学习而获得的。也可作为
RegNet_Y_128GF_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
88.228
acc@5(在 ImageNet-1K 上)
98.682
最小尺寸
高度=1,宽度=1
类别
海葵、金鱼、大白鲨、……(省略 997 个)
配方
许可证
参数数量
644812894
GFLOPS
374.57
文件大小
2461.6 MB
推理变换可在
RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_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.BICUBIC
调整到resize_size=[384]
,然后进行crop_size=[384]
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_Y_128GF_Weights.IMAGENET1K_SWAG_LINEAR_V1:
这些权重由原始冻结的SWAG主干权重和在其之上学习的线性分类器组成,该分类器在 ImageNet-1K 数据上进行训练。
acc@1(在 ImageNet-1K 上)
86.068
acc@5(在 ImageNet-1K 上)
97.844
最小尺寸
高度=1,宽度=1
类别
海葵、金鱼、大白鲨、……(省略 997 个)
配方
许可证
参数数量
644812894
GFLOPS
127.52
文件大小
2461.6 MB
推理变换可在
RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_LINEAR_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.BICUBIC
调整到resize_size=[224]
,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。