regnet_y_8gf¶
- torchvision.models.regnet_y_8gf(*, weights: Optional[RegNet_Y_8GF_Weights] = None, progress: bool = True, **kwargs: Any) RegNet [源代码]¶
根据 Designing Network Design Spaces 构建 RegNetY_8GF 架构。
- 参数:
weights (
RegNet_Y_8GF_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,请参阅下面的RegNet_Y_8GF_Weights
。默认情况下,不使用预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 中显示下载进度条。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。
- class torchvision.models.RegNet_Y_8GF_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_8GF_Weights.DEFAULT
等同于RegNet_Y_8GF_Weights.IMAGENET1K_V2
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。RegNet_Y_8GF_Weights.IMAGENET1K_V1:
这些权重通过简单的训练方法重现了论文的结果。
acc@1 (在 ImageNet-1K 上)
80.032
acc@5 (在 ImageNet-1K 上)
95.048
最小尺寸
高度=1, 宽度=1
类别
丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
参数数量
39381472
训练方法 (recipe)
GFLOPS
8.47
文件大小
150.7 MB
推理转换可从
RegNet_Y_8GF_Weights.IMAGENET1K_V1.transforms
获得,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小到resize_size=[256]
,然后进行中心裁剪到crop_size=[224]
。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]
进行标准化。RegNet_Y_8GF_Weights.IMAGENET1K_V2:
这些权重通过使用 TorchVision 新训练方法 的修改版本,改进了原始论文的结果。也可用作
RegNet_Y_8GF_Weights.DEFAULT
。acc@1 (在 ImageNet-1K 上)
82.828
acc@5 (在 ImageNet-1K 上)
96.33
最小尺寸
高度=1, 宽度=1
类别
丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
参数数量
39381472
训练方法 (recipe)
GFLOPS
8.47
文件大小
150.7 MB
推理转换可从
RegNet_Y_8GF_Weights.IMAGENET1K_V2.transforms
获得,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单张(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小到resize_size=[232]
,然后进行中心裁剪到crop_size=[224]
。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]
进行标准化。