regnet_y_16gf

torchvision.models.regnet_y_16gf(*, weights: Optional[RegNet_Y_16GF_Weights] = None, progress: bool = True, **kwargs: Any) → RegNet

根據Designing Network Design Spaces構建一個 RegNetY_16GF 架構。

引數：

• weights (RegNet_Y_16GF_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參見下方的RegNet_Y_16GF_Weights。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) 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。有關類的更多詳細資訊，請參閱原始碼。

class torchvision.models.RegNet_Y_16GF_Weights(value)

上述模型構建器接受以下值作為 weights 引數。RegNet_Y_16GF_Weights.DEFAULT 等同於 RegNet_Y_16GF_Weights.IMAGENET1K_V2。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

RegNet_Y_16GF_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方案重現了論文中的結果。

acc@1 (在 ImageNet-1K 上)	80.424
acc@5 (在 ImageNet-1K 上)	95.24
最小尺寸	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
引數數量	83590140
方案	連結
GFLOPS	15.91
檔案大小	319.5 MB

推理變換可在 RegNet_Y_16GF_Weights.IMAGENET1K_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 縮放到 resize_size=[256]，然後進行中心裁剪，crop_size=[224]。最後，值首先縮放到 [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。

RegNet_Y_16GF_Weights.IMAGENET1K_V2:

這些權重透過使用 TorchVision 新訓練方案的修改版本，改進了原始論文的結果。也可作為 RegNet_Y_16GF_Weights.DEFAULT 使用。

acc@1 (在 ImageNet-1K 上)	82.886
acc@5 (在 ImageNet-1K 上)	96.328
最小尺寸	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
引數數量	83590140
方案	連結
GFLOPS	15.91
檔案大小	319.5 MB

推理變換可在 RegNet_Y_16GF_Weights.IMAGENET1K_V2.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 縮放到 resize_size=[232]，然後進行中心裁剪，crop_size=[224]。最後，值首先縮放到 [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。

RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_E2E_V1:

這些權重是透過遷移學習獲得的，方法是對原始的 SWAG 權重在 ImageNet-1K 資料上進行端到端微調。

acc@1 (在 ImageNet-1K 上)	86.012
acc@5 (在 ImageNet-1K 上)	98.054
最小尺寸	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
方案	連結
許可證	連結
引數數量	83590140
GFLOPS	46.73
檔案大小	319.5 MB

推理變換可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_E2E_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BICUBIC 縮放到 resize_size=[384]，然後進行中心裁剪，crop_size=[384]。最後，值首先縮放到 [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。

RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_LINEAR_V1:

這些權重由原始凍結的 SWAG 主幹權重以及在其之上訓練的線性分類器組成，訓練資料為 ImageNet-1K。

acc@1 (在 ImageNet-1K 上)	83.976
acc@5 (在 ImageNet-1K 上)	97.244
最小尺寸	height=1, width=1
類別	丁鯛, 金魚, 大白鯊, … (省略 997 個)
方案	連結
許可證	連結
引數數量	83590140
GFLOPS	15.91
檔案大小	319.5 MB

推理變換可在 RegNet_Y_16GF_Weights.IMAGENET1K_SWAG_LINEAR_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image 物件、批次 (B, C, H, W) 和單張 (C, H, W) 影像的 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BICUBIC 縮放到 resize_size=[224]，然後進行中心裁剪，crop_size=[224]。最後，值首先縮放到 [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。