regnet_x_8gf

torchvision.models.regnet_x_8gf(※, weights: Optional[RegNet_X_8GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

根據 Designing Network Design Spaces 構建 RegNetX_8GF 架構。

引數:

• weights (RegNet_X_8GF_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 RegNet_X_8GF_Weights。預設為不使用預訓練權重。

• 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_8GF_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 RegNet_X_8GF_Weights.DEFAULT 等同於 RegNet_X_8GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_X_8GF_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)	79.344
acc@5 (在 ImageNet-1K 上)	94.686
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	39572648
方案	連結
GFLOPS	8.00
檔案大小	151.5 MB

推理變換可在 RegNet_X_8GF_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像縮放到 resize_size=[256]，然後進行中心裁剪 crop_size=[224]。最後，首先將值重新縮放到 [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_8GF_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_8GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	81.682
acc@5 (在 ImageNet-1K 上)	95.678
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	39572648
方案	連結
GFLOPS	8.00
檔案大小	151.5 MB

推理變換可在 RegNet_X_8GF_Weights.IMAGENET1K_V2.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像縮放到 resize_size=[232]，然後進行中心裁剪 crop_size=[224]。最後，首先將值重新縮放到 [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。