mnasnet1_3

torchvision.models.mnasnet1_3(*, weights: Optional[MNASNet1_3_Weights] = None, progress: bool = True, **kwargs: Any) → MNASNet

來自 MnasNet: Platform-Aware Neural Architecture Search for Mobile 論文的 MNASNet，深度乘數為 1.3。

引數:

• weights (MNASNet1_3_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 MNASNet1_3_Weights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向 stderr 顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.mnasnet.MNASNet 基類的引數。有關此類的更多詳細資訊，請參閱原始碼。

類 torchvision.models.MNASNet1_3_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。MNASNet1_3_Weights.DEFAULT 等效於 MNASNet1_3_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

MNASNet1_3_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的新訓練 recipe 從頭開始訓練的。也可作為 MNASNet1_3_Weights.DEFAULT 使用。

acc@1（在 ImageNet-1K 上）	76.506
acc@5（在 ImageNet-1K 上）	93.522
最小尺寸	height=1, width=1
類別	丁鱥, 金魚, 大白鯊, … (省略 997 個)
recipe	連結
引數數量	6282256
GFLOPS	0.53
檔案大小	24.2 MB

推理轉換可在 MNASNet1_3_Weights.IMAGENET1K_V1.transforms 獲得，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.BILINEAR 將影像調整大小到 resize_size=[232]，然後進行 crop_size=[224] 的中心裁剪。最後，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。