shufflenet_v2_x1_5

torchvision.models.shufflenet_v2_x1_5(*, weights: Optional[ShuffleNet_V2_X1_5_Weights] = None, progress: bool = True, **kwargs: Any) → ShuffleNetV2

构造具有 1.5 倍输出通道的 ShuffleNetV2 架构，如 ShuffleNet V2：高效 CNN 架构设计的实用指南 中所述。

参数：

• weights (ShuffleNet_V2_X1_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，请参阅下面的 ShuffleNet_V2_X1_5_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。默认值为 True。

• **kwargs – 传递给 torchvision.models.shufflenetv2.ShuffleNetV2 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.ShuffleNet_V2_X1_5_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X1_5_Weights.DEFAULT 等效于 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 的 新训练配方 从头开始训练的。也可用作 ShuffleNet_V2_X1_5_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	72.996
acc@5 (在 ImageNet-1K 上)	91.086
min_size	height=1, width=1
categories	tench, goldfish, great white shark, … (997 项省略)
recipe	link
num_params	3503624
GFLOPS	0.30
文件大小	13.6 MB

推理转换在 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1.transforms 中可用，并执行以下预处理操作：接受 PIL.Image、批量化的 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 调整大小至 resize_size=[232]，然后进行 crop_size=[224] 的中心裁剪。最后，将值先重新缩放到 [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。