shufflenet_v2_x1_5

torchvision.models.quantization.shufflenet_v2_x1_5(*, weights: Optional[Union[ShuffleNet_V2_X1_5_QuantizedWeights, ShuffleNet_V2_X1_5_Weights]] = None, progress: bool = True, quantize: bool = False, **kwargs: Any) → QuantizableShuffleNetV2

構建一個輸出通道數為 1.5 倍的 ShuffleNetV2 模型，詳情請參閱論文 ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design。

注意

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。目前尚不支援 GPU 推理。

引數：

• weights (ShuffleNet_V2_X1_5_QuantizedWeights 或 ShuffleNet_V2_X1_5_Weights, 可選) – 模型的預訓練權重。請參閱下方的 ShuffleNet_V2_X1_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, 可選) – 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, 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.ShuffleNet_V2_X1_5_QuantizedWeights 基類的引數。請參閱原始碼瞭解有關此類的更多詳情。

class torchvision.models.quantization.ShuffleNet_V2_X1_5_QuantizedWeights(value)

上面的模型構建器接受以下值作為 weights 引數。ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT 等同於 ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_FBGEMM_V1'。

ShuffleNet_V2_X1_5_QuantizedWeights.IMAGENET1K_FBGEMM_V1:

這些權重是在下方列出的非量化權重之上進行訓練後量化（eager 模式）生成的。也可透過 ShuffleNet_V2_X1_5_QuantizedWeights.DEFAULT 獲取。

acc@1 (在 ImageNet-1K 上)	72.052
acc@5 (在 ImageNet-1K 上)	90.7
最小尺寸	高=1, 寬=1
類別	丁鱖, 金魚, 大白鯊, … (省略 997 個)
後端	fbgemm
訓練方法	連結
引數數量	3503624
未量化	ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1
GIPS	0.30
檔案大小	3.7 MB

推理轉換可在 ShuffleNet_V2_X1_5_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) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 重置大小為 resize_size=[232]，然後進行中心裁剪，大小為 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] 進行歸一化。

class torchvision.models.ShuffleNet_V2_X1_5_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。ShuffleNet_V2_X1_5_Weights.DEFAULT 等同於 ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ShuffleNet_V2_X1_5_Weights.IMAGENET1K_V1:

這些權重是使用 TorchVision 的新訓練方法從頭開始訓練的。也可透過 ShuffleNet_V2_X1_5_Weights.DEFAULT 獲取。

acc@1 (在 ImageNet-1K 上)	72.996
acc@5 (在 ImageNet-1K 上)	91.086
最小尺寸	高=1, 寬=1
類別	丁鱖, 金魚, 大白鯊, … (省略 997 個)
訓練方法	連結
引數數量	3503624
GFLOPS	0.30
檔案大小	13.6 MB

推理轉換可在 ShuffleNet_V2_X1_5_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) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 重置大小為 resize_size=[232]，然後進行中心裁剪，大小為 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] 進行歸一化。