regnet_y_16gf¶
- torchvision.models.regnet_y_16gf(*, weights: Optional[RegNet_Y_16GF_Weights] = None, progress: bool = True, **kwargs: Any) RegNet [source]¶
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)[source]¶
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
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
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
许可证
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
许可证
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。