shufflenet_v2_x0_5

torchvision.models.quantization.shufflenet_v2_x0_5(*, weights: Optional[Union[ShuffleNet_V2_X0_5_QuantizedWeights, ShuffleNet_V2_X0_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

構建一個輸出通道為 0.5 倍的 ShuffleNetV2，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

請注意，quantize = True 將返回一個 8 位量化的模型。量化模型僅支援推理並在 CPU 上執行。GPU 推理暫不支援。

引數:

• weights (ShuffleNet_V2_X0_5_QuantizedWeights 或 ShuffleNet_V2_X0_5_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參見下面的 ShuffleNet_V2_X0_5_QuantizedWeights。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。

• quantize (bool, optional) – 如果為 True，則返回模型的量化版本。預設為 False。

• **kwargs – 傳遞給 torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights 基類的引數。有關此類的詳細資訊，請參閱 原始碼。

class torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 等同於 ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過對下面的未量化權重進行訓練後量化（eager 模式）生成的。也可作為 ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	57.972
acc@5 (在 ImageNet-1K 上)	79.78
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
backend	fbgemm
方案	連結
引數數量	1366792
unquantized	ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1
GIPS	0.04
檔案大小	1.5 MB

推理轉換可在 ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次 ((B, C, H, W)) 和單張 ((C, H, W)) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先縮放到 [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。

class torchvision.models.ShuffleNet_V2_X0_5_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X0_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:

這些權重是從頭開始訓練的，以儘可能準確地復現論文的結果。也可作為 ShuffleNet_V2_X0_5_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	60.552
acc@5 (在 ImageNet-1K 上)	81.746
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	1366792
GFLOPS	0.04
檔案大小	5.3 MB

推理轉換可在 ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次 ((B, C, H, W)) 和單張 ((C, H, W)) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，值首先縮放到 [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。