regnet_y_16gf

torchvision.models.regnet_y_16gf(*, weights: Optional[RegNet_Y_16GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

根据Designing Network Design Spaces构建一个 RegNetY_16GF 架构。

参数：

• weights (RegNet_Y_16GF_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，请参见下方的RegNet_Y_16GF_Weights。默认情况下，不使用预训练权重。

• progress (bool, 可选) – 如果为 True，则在标准错误输出 (stderr) 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。有关类的更多详细信息，请参阅源代码。

class torchvision.models.RegNet_Y_16GF_Weights(value)

上述模型构建器接受以下值作为 weights 参数。RegNet_Y_16GF_Weights.DEFAULT 等同于 RegNet_Y_16GF_Weights.IMAGENET1K_V2。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_16GF_Weights.IMAGENET1K_V1:

这些权重使用简单的训练方案重现了论文中的结果。

acc@1 (在 ImageNet-1K 上)	80.424
acc@5 (在 ImageNet-1K 上)	95.24
最小尺寸	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
参数数量	83590140
方案	链接
GFLOPS	15.91
文件大小	319.5 MB

推理变换可在 RegNet_Y_16GF_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 缩放到 resize_size=[256]，然后进行中心裁剪，crop_size=[224]。最后，值首先缩放到 [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_16GF_Weights.IMAGENET1K_V2:

这些权重通过使用 TorchVision 新训练方案的修改版本，改进了原始论文的结果。也可作为 RegNet_Y_16GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	82.886
acc@5 (在 ImageNet-1K 上)	96.328
最小尺寸	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
参数数量	83590140
方案	链接
GFLOPS	15.91
文件大小	319.5 MB

推理变换可在 RegNet_Y_16GF_Weights.IMAGENET1K_V2.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 缩放到 resize_size=[232]，然后进行中心裁剪，crop_size=[224]。最后，值首先缩放到 [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_16GF_Weights.IMAGENET1K_SWAG_E2E_V1:

这些权重是通过迁移学习获得的，方法是对原始的 SWAG 权重在 ImageNet-1K 数据上进行端到端微调。

acc@1 (在 ImageNet-1K 上)	86.012
acc@5 (在 ImageNet-1K 上)	98.054
最小尺寸	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
方案	链接
许可证	链接
参数数量	83590140
GFLOPS	46.73
文件大小	319.5 MB

推理变换可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_E2E_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BICUBIC 缩放到 resize_size=[384]，然后进行中心裁剪，crop_size=[384]。最后，值首先缩放到 [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_16GF_Weights.IMAGENET1K_SWAG_LINEAR_V1:

这些权重由原始冻结的 SWAG 主干权重以及在其之上训练的线性分类器组成，训练数据为 ImageNet-1K。

acc@1 (在 ImageNet-1K 上)	83.976
acc@5 (在 ImageNet-1K 上)	97.244
最小尺寸	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, … (省略 997 个)
方案	链接
许可证	链接
参数数量	83590140
GFLOPS	15.91
文件大小	319.5 MB

推理变换可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BICUBIC 缩放到 resize_size=[224]，然后进行中心裁剪，crop_size=[224]。最后，值首先缩放到 [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。