mnasnet0_5

torchvision.models.mnasnet0_5(*, weights: Optional[MNASNet0_5_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

來自 MnasNet: Platform-Aware Neural Architecture Search for Mobile 論文的深度乘數為 0.5 的 MNASNet。

引數:

• weights (MNASNet0_5_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下面的 MNASNet0_5_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.mnasnet.MNASNet 基類的引數。有關此類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.MNASNet0_5_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 MNASNet0_5_Weights.DEFAULT 等同於 MNASNet0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet0_5_Weights.IMAGENET1K_V1:

這些權重緊密地重現了論文中的結果。也可用作 MNASNet0_5_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	67.734
acc@5 (在 ImageNet-1K 上)	87.49
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
引數數量	2218512
GFLOPS	0.10
檔案大小	8.6 MB

推理轉換可在 MNASNet0_5_Weights.IMAGENET1K_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先被縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行歸一化。