squeezenet1_0

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

来自SqueezeNet：AlexNet 级别的准确率，参数减少 50 倍，模型大小小于 0.5 MB论文的 SqueezeNet 模型架构。

参数：:

• weights (SqueezeNet1_0_Weights, 可选) – 要使用的预训练权重。有关更多详细信息以及可能的价值，请参见下面的SqueezeNet1_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，则在 stderr 上显示下载进度条。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)

上面的模型构建器接受以下值作为weights参数。 SqueezeNet1_0_Weights.DEFAULT等效于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方法，可以很好地重现论文的结果。也可以作为SqueezeNet1_0_Weights.DEFAULT使用。

acc@1 (在 ImageNet-1K 上)	58.092
acc@5 (在 ImageNet-1K 上)	80.42
类别	tench、金鱼、大白鲨、……（省略 997 个）
方法	链接
最小尺寸	高度=21，宽度=21
参数数量	1248424
GFLOPS	0.82
文件大小	4.8 MB

推断转换在SqueezeNet1_0_Weights.IMAGENET1K_V1.transforms中提供，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调整大小至resize_size=[256]，然后进行crop_size=[224]的中心裁剪。最后，将值首先重新缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行标准化。