shufflenet_v2_x0_5¶
- torchvision.models.quantization.shufflenet_v2_x0_5(*, weights: Optional[Union[ShuffleNet_V2_X0_5_QuantizedWeights, ShuffleNet_V2_X0_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) QuantizableShuffleNetV2[source]¶
構建一個 ShuffleNetV2 模型，輸出通道數為 0.5x，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。
注意
請注意，設定
quantize = True會返回一個使用 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 (
ShuffleNet_V2_X0_5_QuantizedWeights或ShuffleNet_V2_X0_5_Weights，可選) – 模型的預訓練權重。請參閱下文的ShuffleNet_V2_X0_5_QuantizedWeights瞭解更多詳情和可能的值。預設情況下，不使用預訓練權重。progress (bool, optional) – 如果為 True，則在標準錯誤輸出 (stderr) 中顯示下載進度條。預設值為 True。
quantize (bool, optional) – 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.ShuffleNet_V2_X0_5_QuantizedWeights基類的引數。有關此類的更多詳情，請參閱原始碼。
- class torchvision.models.quantization.ShuffleNet_V2_X0_5_QuantizedWeights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT等同於ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_FBGEMM_V1'。ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1:
這些權重是透過在下方列出的非量化權重基礎上進行訓練後量化 (eager 模式) 產生的。也可透過
ShuffleNet_V2_X0_5_QuantizedWeights.DEFAULT獲得。acc@1（在 ImageNet-1K 上）
57.972
acc@5（在 ImageNet-1K 上）
79.78
最小尺寸
height=1, width=1
類別
丁鯛、金魚、大白鯊，…（省略 997 個）
後端
fbgemm
方案
引數數量
1366792
非量化
ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1
GIPS
0.04
檔案大小
1.5 MB
推理轉換可在
ShuffleNet_V2_X0_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1.transforms獲得，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將尺寸調整為resize_size=[256]，然後進行中心裁剪，尺寸為crop_size=[224]。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.ShuffleNet_V2_X0_5_Weights(value)[source]
上述模型構建器接受以下值作為
weights引數。ShuffleNet_V2_X0_5_Weights.DEFAULT等同於ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如weights='DEFAULT'或weights='IMAGENET1K_V1'。ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1:
這些權重是從頭開始訓練的，旨在儘可能接近地重現論文結果。也可透過
ShuffleNet_V2_X0_5_Weights.DEFAULT獲得。acc@1（在 ImageNet-1K 上）
60.552
acc@5（在 ImageNet-1K 上）
81.746
最小尺寸
height=1, width=1
類別
丁鯛、金魚、大白鯊，…（省略 997 個）
方案
引數數量
1366792
GFLOPS
0.04
檔案大小
5.3 MB
推理轉換可在
ShuffleNet_V2_X0_5_Weights.IMAGENET1K_V1.transforms獲得，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將尺寸調整為resize_size=[256]，然後進行中心裁剪，尺寸為crop_size=[224]。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。
