resnet34

torchvision.models.resnet34(*, weights: Optional[ResNet34_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

ResNet-34，出自《用于图像识别的深度残差学习》论文。

参数：

• weights (ResNet34_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下文ResNet34_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则向标准错误输出显示下载进度条。默认为 True。

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

class torchvision.models.ResNet34_Weights(value)

上述模型构建器接受以下值作为 weights 参数。ResNet34_Weights.DEFAULT 等同于 ResNet34_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet34_Weights.IMAGENET1K_V1:

这些权重使用简单的训练方案，可以很好地复现该论文的结果。也可用作 ResNet34_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	73.314
acc@5（在 ImageNet-1K 上）	91.42
min_size	height=1, width=1
类别	丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
num_params	21797672
方案	链接
GFLOPS	3.66
文件大小	83.3 MB

推理转换可在 ResNet34_Weights.IMAGENET1K_V1.transforms 找到，并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。图像使用 interpolation=InterpolationMode.BILINEAR 重塑为 resize_size=[256]，然后进行中心裁剪，大小为 crop_size=[224]。最后，值首先被重新缩放到 [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。