快捷方式

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.RegNettorchvision.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

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'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

链接

许可证

链接

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]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

链接

许可证

链接

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]std=[0.229, 0.224, 0.225]进行归一化。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源