resnext101_64x4d

torchvision.models.quantization.resnext101_64x4d(*, weights: Optional[Union[ResNeXt101_64X4D_QuantizedWeights, ResNeXt101_64X4D_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableResNet

摘自 Aggregated Residual Transformation for Deep Neural Networks 的 ResNeXt-101 64x4d 模型

注意

請注意，設定 quantize = True 將返回一個具有 8 位權重的量化模型。量化模型僅支援推理並在 CPU 上執行。尚不支援 GPU 推理。

引數：

• weights (ResNeXt101_64X4D_QuantizedWeights 或 ResNeXt101_64X4D_Weights, 可選) – 模型的預訓練權重。有關更多詳細資訊和可能的值，請參閱下文的 ResNet101_64X4D_QuantizedWeights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則在標準錯誤流中顯示下載進度條。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.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.ResNeXt101_64X4D_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。ResNeXt101_64X4D_QuantizedWeights.DEFAULT 等效於 ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ResNeXt101_64X4D_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是透過對下述未量化權重進行訓練後量化（急切模式）生成的。也可以透過 ResNeXt101_64X4D_QuantizedWeights.DEFAULT 獲取。

acc@1（在 ImageNet-1K 上）	82.898
acc@5（在 ImageNet-1K 上）	96.326
最小尺寸	高度=1，寬度=1
類別	丁鱥, 金魚, 大白鯊, ... (省略 997 個)
後端	fbgemm
訓練方法	連結
引數數量	83455272
未量化	ResNeXt101_64X4D_Weights.IMAGENET1K_V1
GIPS	15.46
檔案大小	81.6 MB

推理變換可透過 ResNeXt101_64X4D_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) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 重塑大小至 resize_size=[232]，然後進行中心裁剪至 crop_size=[224]。最後，值首先被重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。

class torchvision.models.ResNeXt101_64X4D_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。ResNeXt101_64X4D_Weights.DEFAULT 等效於 ResNeXt101_64X4D_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNeXt101_64X4D_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的新訓練方法從頭開始訓練的。也可以透過 ResNeXt101_64X4D_Weights.DEFAULT 獲取。

acc@1（在 ImageNet-1K 上）	83.246
acc@5（在 ImageNet-1K 上）	96.454
最小尺寸	高度=1，寬度=1
類別	丁鱥, 金魚, 大白鯊, ... (省略 997 個)
引數數量	83455272
訓練方法	連結
GFLOPS	15.46
檔案大小	319.3 MB

推理變換可透過 ResNeXt101_64X4D_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) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 重塑大小至 resize_size=[232]，然後進行中心裁剪至 crop_size=[224]。最後，值首先被重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行標準化。