squeezenet1_0

torchvision.models.squeezenet1_0(*, weights: Optional[SqueezeNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

SqueezeNet 模型架构，出自论文 SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size。

参数:

• weights (SqueezeNet1_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，请参阅下方的 SqueezeNet1_0_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。默认值为 True。

• **kwargs – 传递给 torchvision.models.squeezenet.SqueezeNet 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.SqueezeNet1_0_Weights(value)

上述模型构建器接受以下值作为 weights 参数。SqueezeNet1_0_Weights.DEFAULT 等同于 SqueezeNet1_0_Weights.IMAGENET1K_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_0_Weights.IMAGENET1K_V1:

这些权重使用简单的训练配方，能够很好地复现论文中的结果。也可通过 SqueezeNet1_0_Weights.DEFAULT 访问。

acc@1 (在 ImageNet-1K 上)	58.092
acc@5 (在 ImageNet-1K 上)	80.42
类别	丁鲷, 金鱼, 大白鲨, ... (省略 997 个)
训练配方	链接
最小尺寸	高=21, 宽=21
参数数量	1248424
GFLOPS	0.82
文件大小	4.8 MB

推理变换可通过 SqueezeNet1_0_Weights.IMAGENET1K_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image 对象、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像使用 interpolation=InterpolationMode.BILINEAR 方法调整大小至 resize_size=[256]，然后进行中心裁剪至 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。