squeezenet1_1¶
- torchvision.models.squeezenet1_1(*, weights: Optional[SqueezeNet1_1_Weights] = None, progress: bool = True, **kwargs: Any) SqueezeNet [源]¶
来自官方 SqueezeNet 仓库的 SqueezeNet 1.1 模型。
与 SqueezeNet 1.0 相比,SqueezeNet 1.1 的计算量减少了 2.4 倍,参数略少,同时没有牺牲准确性。
- 参数:
weights (
SqueezeNet1_1_Weights
, 可选) – 要使用的预训练权重。更多详情和可能的值,请参阅下方的SqueezeNet1_1_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 显示下载进度条。默认为 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_1_Weights(value)[源]¶
上述模型构建器接受以下值作为
weights
参数。SqueezeNet1_1_Weights.DEFAULT
等效于SqueezeNet1_1_Weights.IMAGENET1K_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='IMAGENET1K_V1'
。SqueezeNet1_1_Weights.IMAGENET1K_V1:
这些权重通过一个简单的训练配方,能够很好地复现论文中的结果。也可通过
SqueezeNet1_1_Weights.DEFAULT
获取。acc@1(在 ImageNet-1K 上)
58.178
acc@5(在 ImageNet-1K 上)
80.624
类别
丁鲷,金鱼,大白鲨,… (省略 997 个)
配方
最小尺寸
height=17, width=17
参数数量
1235496
GFLOPS
0.35
文件大小
4.7 MB
推理转换可在
SqueezeNet1_1_Weights.IMAGENET1K_V1.transforms
中找到,并执行以下预处理操作:接受PIL.Image
、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
调整大小至resize_size=[256]
,然后进行crop_size=[224]
的中心裁剪。最后,值首先被重新缩放至[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。