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'
或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
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]
和std=[0.229, 0.224, 0.225]
进行归一化。
使用
resnet18
的示例Torchscript 支持