shufflenet_v2_x1_0

torchvision.models.quantization.shufflenet_v2_x1_0(*, weights: Optional[Union[ShuffleNet_V2_X1_0_QuantizedWeights, ShuffleNet_V2_X1_0_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

構建一個具有 1.0x 輸出通道的 ShuffleNetV2 模型，如 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 中所述。

注意

請注意，quantize = True 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。尚不支援 GPU 推理。

引數:

• weights (ShuffleNet_V2_X1_0_QuantizedWeights 或 ShuffleNet_V2_X1_0_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 ShuffleNet_V2_X1_0_QuantizedWeights。預設情況下，不使用預訓練權重。

• progress (bool, 可選) – 如果為 True，則向標準錯誤輸出顯示下載進度條。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.ShuffleNet_V2_X1_0_QuantizedWeights 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.ShuffleNet_V2_X1_0_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT 等同於 ShuffleNet_V2_X1_0_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X1_0_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 mode）生成的。也可使用 ShuffleNet_V2_X1_0_QuantizedWeights.DEFAULT。

acc@1（在 ImageNet-1K 上）	68.36
acc@5（在 ImageNet-1K 上）	87.582
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
配方	連結
引數數量	2278604
未量化	ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1
GIPS	0.14
檔案大小	2.3 MB

推理轉換可透過 ShuffleNet_V2_X1_0_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 重設大小到 resize_size=[256]，然後進行中心裁剪到 crop_size=[224]。最後，值首先重新縮放到 [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.ShuffleNet_V2_X1_0_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 ShuffleNet_V2_X1_0_Weights.DEFAULT 等同於 ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_0_Weights.IMAGENET1K_V1:

這些權重是從頭開始訓練的，以儘量重現論文的結果。也可使用 ShuffleNet_V2_X1_0_Weights.DEFAULT。

acc@1（在 ImageNet-1K 上）	69.362
acc@5（在 ImageNet-1K 上）	88.316
最小尺寸	高度=1, 寬度=1
類別	丁鱥, 金魚, 大白鯊, ... (省略 997 個)
配方	連結
引數數量	2278604
GFLOPS	0.14
檔案大小	8.8 MB

推理轉換可透過 ShuffleNet_V2_X1_0_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 重設大小到 resize_size=[256]，然後進行中心裁剪到 crop_size=[224]。最後，值首先重新縮放到 [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。