resnet18

torchvision.models.quantization.resnet18(*, weights: Optional[Union[ResNet18_QuantizedWeights, ResNet18_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

基於 《用於影像識別的深度殘差學習》 的 ResNet-18 模型

注意

請注意，當 quantize = True 時，返回的模型是帶有 8 位權重的量化模型。量化模型僅支援推理並在 CPU 上執行。目前尚不支援 GPU 推理。

引數:

• weights (ResNet18_QuantizedWeights 或 ResNet18_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參閱下方的 ResNet18_QuantizedWeights。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。

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

• **kwargs – 傳遞給 torchvision.models.quantization.QuantizableResNet 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.ResNet18_QuantizedWeights(value)

上述模型構建器接受以下值作為 weights 引數。ResNet18_QuantizedWeights.DEFAULT 等同於 ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是在下方列出的未量化權重的基礎上進行訓練後量化（eager mode）生成的。也可用作 ResNet18_QuantizedWeights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.494
acc@5 (在 ImageNet-1K 上)	88.882
最小尺寸	高度=1, 寬度=1
類別	丁鯛、金魚、大白鯊等 (省略 997 個)
後端	fbgemm
方法	連結
引數數量	11689512
未量化	ResNet18_Weights.IMAGENET1K_V1
GIPS	1.81
檔案大小	11.2 MB

推理變換可在 ResNet18_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[256]，然後進行中心裁剪至 crop_size=[224]。最後，值首先被重新縮放至 [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.ResNet18_Weights(value)

上述模型構建器接受以下值作為 weights 引數。ResNet18_Weights.DEFAULT 等同於 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet18_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法（recipe）重現了論文的結果。也可用作 ResNet18_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	69.758
acc@5 (在 ImageNet-1K 上)	89.078
最小尺寸	高度=1, 寬度=1
類別	丁鯛、金魚、大白鯊等 (省略 997 個)
引數數量	11689512
方法	連結
GFLOPS	1.81
檔案大小	44.7 MB

推理變換可在 ResNet18_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理的 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小至 resize_size=[256]，然後進行中心裁剪至 crop_size=[224]。最後，值首先被重新縮放至 [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。