squeezenet1_0

torchvision.models.squeezenet1_0(\*, weights: Optional[SqueezeNet1_0_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

SqueezeNet 模型架構，出自 SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size 論文。

引數:

• weights (SqueezeNet1_0_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 SqueezeNet1_0_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.squeezenet.SqueezeNet 基類的引數。有關此類的更多詳細資訊，請參閱 原始碼。

class torchvision.models.SqueezeNet1_0_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 SqueezeNet1_0_Weights.DEFAULT 等同於 SqueezeNet1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_0_Weights.IMAGENET1K_V1:

這些權重透過簡單的訓練方法，非常接近論文中的結果。也可用作 SqueezeNet1_0_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	58.092
acc@5 (在 ImageNet-1K 上)	80.42
類別	丁鯡、金魚、大白鯊、... (省略 997 個)
方案	連結
min_size	height=21, width=21
引數數量	1248424
GFLOPS	0.82
檔案大小	4.8 MB

推理轉換可在 SqueezeNet1_0_Weights.IMAGENET1K_V1.transforms 處獲得，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 InterpolationMode.BILINEAR 調整大小到 resize_size=[256]，然後進行中心裁剪，大小為 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。