快捷方式

resnext101_64x4d

torchvision.models.resnext101_64x4d(*, weights: Optional[ResNeXt101_64X4D_Weights] = None, progress: bool = True, **kwargs: Any) ResNet[源代码]

来自 深度神经网络的聚合残差变换 的 ResNeXt-101 64x4d 模型。

参数:
  • weights (ResNeXt101_64X4D_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 ResNeXt101_64X4D_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.ResNeXt101_64X4D_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 ResNeXt101_64X4D_Weights.DEFAULT 等效于 ResNeXt101_64X4D_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

ResNeXt101_64X4D_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 的 新训练配方 从头开始训练的。也可以作为 ResNeXt101_64X4D_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)

83.246

acc@5 (在 ImageNet-1K 上)

96.454

min_size

height=1, width=1

类别

tench, goldfish, great white shark, … (省略 997 个)

num_params

83455272

配方

链接

GFLOPS

15.46

文件大小

319.3 MB

推理变换可在 ResNeXt101_64X4D_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 调整到 resize_size=[232],然后中央裁剪到 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]std=[0.229, 0.224, 0.225] 进行归一化。

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