shufflenet_v2_x0_5

torchvision.models.shufflenet_v2_x0_5(*, weights: Optional[ShuffleNet_V2_X0_5_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

构建一个具有 0.5 倍输出通道的 ShuffleNetV2 架构，如ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

参数:

• weights (ShuffleNet_V2_X0_5_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，请参阅下方的 ShuffleNet_V2_X0_5_Weights。默认情况下，不使用预训练权重。

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

• **kwargs – 传递给 torchvision.models.shufflenetv2.ShuffleNetV2 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.ShuffleNet_V2_X0_5_Weights(value)

上述模型构建器接受以下值作为 weights 参数。 ShuffleNet_V2_X0_5_Weights.DEFAULT 等同于 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

这些权重是根据论文结果从头训练的，以尽可能重现其结果。也可作为 ShuffleNet_V2_X0_5_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	60.552
acc@5 (在 ImageNet-1K 上)	81.746
最小尺寸	height=1, width=1
类别	丁鱥，金鱼，大白鲨，… (省略 997 项)
训练方法	链接
参数数量	1366792
GFLOPS	0.04
文件大小	5.3 MB

推理转换器可通过 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 和单张 (C, H, W) 图像的 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 将尺寸调整为 resize_size=[256]，然后进行中心裁剪，裁剪尺寸为 crop_size=[224]。最后，值首先被缩放到 [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。