resnext101_32x8d

torchvision.models.resnext101_32x8d(*, weights: Optional[ResNeXt101_32X8D_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

ResNeXt-101 32x8d 模型，來自 Aggregated Residual Transformation for Deep Neural Networks。

引數:

• weights (ResNeXt101_32X8D_Weights, optional) – 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 ResNeXt101_32X8D_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.resnet.ResNet 基類的引數。有關此類引數的更多詳細資訊，請參閱 原始碼。

class torchvision.models.ResNeXt101_32X8D_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 ResNeXt101_32X8D_Weights.DEFAULT 等同於 ResNeXt101_32X8D_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNeXt101_32X8D_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)	79.312
acc@5 (在 ImageNet-1K 上)	94.526
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	88791336
方案	連結
GFLOPS	16.41
檔案大小	339.6 MB

推理轉換可在 ResNeXt101_32X8D_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。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。

ResNeXt101_32X8D_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 的 新訓練配方 改進了原始論文的結果。也可用作 ResNeXt101_32X8D_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	82.834
acc@5 (在 ImageNet-1K 上)	96.228
min_size	height=1, width=1
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
引數數量	88791336
方案	連結
GFLOPS	16.41
檔案大小	339.7 MB

推理轉換可在 ResNeXt101_32X8D_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。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。