regnet_x_16gf

torchvision.models.regnet_x_16gf(*, weights: Optional[RegNet_X_16GF_Weights] = None, progress: bool =True, **kwargs: Any) → RegNet

根據 Designing Network Design Spaces 構建 RegNetX_16GF 架構。

引數:

• weights (RegNet_X_16GF_Weights, optional) – 要使用的預訓練權重。請參閱下面的 RegNet_X_16GF_Weights 瞭解更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設值為 True。

• **kwargs – 傳遞給 torchvision.models.regnet.RegNet 或 torchvision.models.regnet.BlockParams 類的引數。請參考 原始碼 瞭解有關這些類的更多詳細資訊。

class torchvision.models.RegNet_X_16GF_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。RegNet_X_16GF_Weights.DEFAULT 等效於 RegNet_X_16GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_X_16GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方案復現了論文中的結果。

acc@1 (在 ImageNet-1K 上)	80.058
acc@5 (在 ImageNet-1K 上)	94.944
min_size	height=1, width=1
類別	tench, goldfish, great white shark, … (省略 997 個)
num_params	54278536
方案	連結
GFLOPS	15.94
檔案大小	207.6 MB

推理變換可在 RegNet_X_16GF_Weights.IMAGENET1K_V1.transforms 處獲取，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 被調整大小到 resize_size=[256]，隨後進行中心裁剪到 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。

RegNet_X_16GF_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 的 新訓練方案 的修改版本，改進了原始論文的結果。也可用作 RegNet_X_16GF_Weights.DEFAULT。

acc@1 (在 ImageNet-1K 上)	82.716
acc@5 (在 ImageNet-1K 上)	96.196
min_size	height=1, width=1
類別	tench, goldfish, great white shark, … (省略 997 個)
num_params	54278536
方案	連結
GFLOPS	15.94
檔案大小	207.6 MB

推理變換可在 RegNet_X_16GF_Weights.IMAGENET1K_V2.transforms 處獲取，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 被調整大小到 resize_size=[232]，隨後進行中心裁剪到 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。