resnet18

torchvision.models.resnet18(*, weights: Optional[ResNet18_Weights] = None, progress: bool = True, **kwargs: Any) → ResNet

來自《用於影像識別的深度殘差學習》論文的 ResNet-18 模型。

引數：

• weights (ResNet18_Weights, optional) – 要使用的預訓練權重。有關詳細資訊和可能的值，請參閱下方的 ResNet18_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 中顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.resnet.ResNet 基類的引數。請參閱原始碼瞭解有關此類的更多詳細資訊。

class torchvision.models.ResNet18_Weights(value)

上述模型構建器接受以下值作為 weights 引數。ResNet18_Weights.DEFAULT 等同於 ResNet18_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

ResNet18_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練方法，能夠很好地復現論文中的結果。也可透過 ResNet18_Weights.DEFAULT 訪問。

acc@1（在 ImageNet-1K 上）	69.758
acc@5（在 ImageNet-1K 上）	89.078
最小尺寸	height=1, width=1
類別	丁鯛魚、金魚、大白鯊，…（省略 997 個）
引數數量	11689512
訓練方法	連結
GFLOPS	1.81
檔案大小	44.7 MB

推理轉換可在 ResNet18_Weights.IMAGENET1K_V1.transforms 中獲取，並執行以下預處理操作：接受 PIL.Image 物件、批處理的 (B, C, H, W) 和單個的 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 調整大小到 resize_size=[256]，然後進行中心裁剪 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。

使用 resnet18 的示例

Torchscript 支援

Torchscript 支援