快捷方式

shufflenet_v2_x2_0

torchvision.models.shufflenet_v2_x2_0(*, weights: Optional[ShuffleNet_V2_X2_0_Weights] = None, progress: bool = True, **kwargs: Any) ShuffleNetV2[source]

构建一个具有 2.0x 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_X2_0_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 ShuffleNet_V2_X2_0_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool, 可选) – 如果为 True,则将下载进度条显示到标准错误流。默认为 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_X2_0_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。ShuffleNet_V2_X2_0_Weights.DEFAULT 等效于 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='IMAGENET1K_V1'

ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1:

这些权重是使用 TorchVision 的 新训练方案 从头开始训练的。也可作为 ShuffleNet_V2_X2_0_Weights.DEFAULT 使用。

acc@1(在 ImageNet-1K 上)

76.23

acc@5(在 ImageNet-1K 上)

93.006

最小尺寸

高度=1,宽度=1

类别

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

方案

链接

参数数量

7393996

GFLOPS

0.58

文件大小

28.4 MB

推理变换可在 ShuffleNet_V2_X2_0_Weights.IMAGENET1K_V1.transforms 中获得,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 调整大小到 resize_size=[232],然后进行 crop_size=[224] 的中心裁剪。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