快捷方式

resnet18

torchvision.models.resnet18(*, weights: Optional[ResNet18_Weights] = None, progress: bool = True, **kwargs: Any) ResNet[source]

来自 图像识别的深度残差学习 的 ResNet-18。

参数:
  • weights (ResNet18_Weights, 可选) – 要使用的预训练权重。有关更多详细信息和可能的取值,请参见下面的 ResNet18_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool, 可选) – 如果为 True,则在 stderr 上显示下载进度条。默认为 True。

  • **kwargs – 传递给 torchvision.models.resnet.ResNet 基类的参数。有关此类的更多详细信息,请参阅 源代码

class torchvision.models.ResNet18_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。 ResNet18_Weights.DEFAULT 等效于 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

ResNet18_Weights.IMAGENET1K_V1:

这些权重使用简单的训练配方,可以很好地再现论文的结果。也可以作为 ResNet18_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)

69.758

acc@5 (在 ImageNet-1K 上)

89.078

最小尺寸

高度=1,宽度=1

类别

鲦鱼、金鱼、大白鲨、…(省略 997 个)

参数数量

11689512

配方

链接

GFLOPS

1.81

文件大小

44.7 MB

推理转换位于 ResNet18_Weights.IMAGENET1K_V1.transforms,执行以下预处理操作:接受 PIL.Image、批处理的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。使用 interpolation=InterpolationMode.BILINEAR 将图像调整大小为 resize_size=[256],然后进行 crop_size=[224] 的中心裁剪。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]std=[0.229, 0.224, 0.225] 进行归一化。

使用 resnet18 的示例

Torchscript 支持

Torchscript 支持

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