resnext101_32x8d¶
- torchvision.models.resnext101_32x8d(*, weights: Optional[ResNeXt101_32X8D_Weights] = None, progress: bool = True, **kwargs: Any) ResNet [源代码]¶
来自用于深度神经网络的聚合残差变换的 ResNeXt-101 32x8d 模型。
- 参数:
weights (
ResNeXt101_32X8D_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,请参见下面的ResNeXt101_32X8D_Weights
。默认情况下,不使用任何预训练权重。progress (布尔值,可选) – 如果为 True,则向 stderr 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。
- 类 torchvision.models.ResNeXt101_32X8D_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。ResNeXt101_32X8D_Weights.DEFAULT
等效于ResNeXt101_32X8D_Weights.IMAGENET1K_V2
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。ResNeXt101_32X8D_Weights.IMAGENET1K_V1:
这些权重使用简单的训练配方精确地再现了论文的结果。
acc@1(在 ImageNet-1K 上)
79.312
acc@5(在 ImageNet-1K 上)
94.526
最小尺寸
高度=1,宽度=1
类别
塘鲺、金鱼、大白鲨、……(省略 997 个)
参数数量
88791336
配方
GFLOPS
16.41
文件大小
339.6 MB
推理变换可在
ResNeXt101_32X8D_Weights.IMAGENET1K_V1.transforms
处获得,并执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整为resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,值首先重新缩放至[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。ResNeXt101_32X8D_Weights.IMAGENET1K_V2:
这些权重通过使用 TorchVision 的新训练配方改进了原始论文的结果。也可作为
ResNeXt101_32X8D_Weights.DEFAULT
使用。acc@1(在 ImageNet-1K 上)
82.834
acc@5(在 ImageNet-1K 上)
96.228
最小尺寸
高度=1,宽度=1
类别
塘鲺、金鱼、大白鲨、……(省略 997 个)
参数数量
88791336
配方
GFLOPS
16.41
文件大小
339.7 MB
推理变换可在
ResNeXt101_32X8D_Weights.IMAGENET1K_V2.transforms
处获得,并执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整为resize_size=[232]
,然后进行crop_size=[224]
的中心裁剪。最后,值首先重新缩放至[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。