regnet_x_32gf¶
- torchvision.models.regnet_x_32gf( , weights: Optional[RegNet_X_32GF_Weights] = None, progress: bool = True, **kwargs: Any) RegNet[原始碼]¶
構造一個 RegNetX_32GF 架構，源自 Designing Network Design Spaces。
- 引數:
weights (
RegNet_X_32GF_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能值，請參閱下方的RegNet_X_32GF_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.regnet.RegNet或torchvision.models.regnet.BlockParams類的引數。有關這些類的更多詳細資訊，請參閱 原始碼。
- class torchvision.models.RegNet_X_32GF_Weights(value)[原始碼]¶
上面的模型構建器接受以下值作為
weights引數。RegNet_X_32GF_Weights.DEFAULT等同於RegNet_X_32GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。RegNet_X_32GF_Weights.IMAGENET1K_V1:
這些權重透過簡單的訓練配方，非常接近論文的結果。
acc@1 (在 ImageNet-1K 上)
80.622
acc@5 (在 ImageNet-1K 上)
95.248
min_size
height=1, width=1
類別
丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量
107811560
方案
GFLOPS
31.74
檔案大小
412.0 MB
推理轉換可在此處獲得：
RegNet_X_32GF_Weights.IMAGENET1K_V1.transforms，並執行以下預處理操作：接受PIL.Image、批次處理的(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像將使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[256]，然後進行中心裁剪crop_size=[224]。最後，值將首先縮放到[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。RegNet_X_32GF_Weights.IMAGENET1K_V2:
這些權重透過使用 TorchVision 的 新訓練配方 的修改版本，改進了原始論文的結果。也可作為
RegNet_X_32GF_Weights.DEFAULT使用。acc@1 (在 ImageNet-1K 上)
83.014
acc@5 (在 ImageNet-1K 上)
96.288
min_size
height=1, width=1
類別
丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量
107811560
方案
GFLOPS
31.74
檔案大小
412.0 MB
推理轉換可在此處獲得：
RegNet_X_32GF_Weights.IMAGENET1K_V2.transforms，並執行以下預處理操作：接受PIL.Image、批次處理的(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像將使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[232]，然後進行中心裁剪crop_size=[224]。最後，值將首先縮放到[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。
