regnet_y_128gf

torchvision.models.regnet_y_128gf(*, weights: Optional[RegNet_Y_128GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

根據 Designing Network Design Spaces 構建 RegNetY_128GF 架構。

引數:

• weights (RegNet_Y_128GF_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_Y_128GF_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_Y_128GF_Weights(value)

上述模型構建器接受以下值作為 weights 引數。 RegNet_Y_128GF_Weights.DEFAULT 等同於 RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_SWAG_E2E_V1'。

RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_V1:

這些權重是透過在 ImageNet-1K 資料上端到端微調原始 SWAG 權重來學習的。也可用作 RegNet_Y_128GF_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	88.228
acc@5 (在 ImageNet-1K 上)	98.682
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
license	連結
引數數量	644812894
GFLOPS	374.57
檔案大小	2461.6 MB

推理轉換可在 RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_E2E_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像縮放到 resize_size=[384]，然後進行中心裁剪 crop_size=[384]。最後，值首先被重新縮放到 [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_Y_128GF_Weights.IMAGENET1K_SWAG_LINEAR_V1:

這些權重由原始凍結的 SWAG 主幹權重和一個在 ImageNet-1K 資料上訓練的線性分類器組成。

acc@1 (在 ImageNet-1K 上)	86.068
acc@5 (在 ImageNet-1K 上)	97.844
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
license	連結
引數數量	644812894
GFLOPS	127.52
檔案大小	2461.6 MB

推理轉換可在 RegNet_Y_128GF_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BICUBIC 將影像縮放到 resize_size=[224]，然後進行中心裁剪 crop_size=[224]。最後，值首先被重新縮放到 [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。