googlenet

torchvision.models.quantization.googlenet(*, weights: Optional[Union[GoogLeNet_QuantizedWeights, GoogLeNet_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableGoogLeNet

來自 Going Deeper with Convolutions 論文的 GoogLeNet (Inception v1) 模型架構。

注意

請注意，當 quantize = True 時，返回一個帶有 8 位權重的量化模型。量化模型僅支援推理並在 CPU 上執行。GPU 推理尚不支援。

引數:

• weights (GoogLeNet_QuantizedWeights 或 GoogLeNet_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參見下面的GoogLeNet_QuantizedWeights。預設不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則在 stderr 中顯示下載進度條。預設為 True。

• quantize (bool, 可選) – 如果為 True，則返回模型的量化版本。預設為 False。

• **kwargs – 傳遞給 torchvision.models.quantization.QuantizableGoogLeNet 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.quantization.GoogLeNet_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。 GoogLeNet_QuantizedWeights.DEFAULT 等同於 GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過在下面列出的未量化權重的基礎上進行訓練後量化（eager 模式）生成的。也可用作 GoogLeNet_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.826
acc@5 (在 ImageNet-1K 上)	89.404
引數數量	6624904
最小尺寸	高度=15, 寬度=15
類別	丁鯛, 金魚, 大白鯊, … (省略 997 項)
後端	fbgemm
方法	連結
未量化	GoogLeNet_Weights.IMAGENET1K_V1
GIPS	1.50
檔案大小	12.6 MB

推理轉換可透過 GoogLeNet_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 獲取，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) 格式的影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[256]，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。

class torchvision.models.GoogLeNet_Weights(value)

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

GoogLeNet_Weights.IMAGENET1K_V1:

這些權重是從原始論文移植而來。也可用作 GoogLeNet_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.778
acc@5 (在 ImageNet-1K 上)	89.53
引數數量	6624904
最小尺寸	高度=15, 寬度=15
類別	丁鯛, 金魚, 大白鯊, … (省略 997 項)
方法	連結
GFLOPS	1.50
檔案大小	49.7 MB

推理轉換可透過 GoogLeNet_Weights.IMAGENET1K_V1.transforms 獲取，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) 格式的影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像大小調整為 resize_size=[256]，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。